# -*- coding: utf-8 -*-
"""
Created on Wed Dec 25 20:49:21 2024

@author: 21470
"""
#### 代码窗口
import requests
url = "https://top.chinaz.com/gongsi/index_zhuce.html"
headers = {
    "user-agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/95.0.4638.69 Safari/537.36"
}
response = requests.get(url, headers=headers)
html = response.text
html
import re
# 使用 findall 函数来获取数据
# 公司名
company = re.findall('<a.*?target="_blank">(.+?)</a></h3>', html)
# 注册资本
capital = re.findall('注册资本an>(.*?)</p>', html)
pageOne = list(zip(company, capital))
pageOne
# 存储内容
message = []
# 总共16个页面的数据
for page in range(16):
    # 组装url
    if page == 0:
        url = "https://top.chinaz.com/gongsi/index_zhuce.html"
    else:
        url = "https://top.chinaz.com/gongsi/index_zhuce_{}.html".format(page + 1)
    # 使用reqeusts模快发起 GET 请求
    response = requests.get(url, headers=headers)
    html = response.text
    # 使用 findall 函数来获取数据
    # 公司名
    company = re.findall('<a.*?target="_blank">(.+?)</a></h3>', html)
    # 注册资本
    capital = re.findall('注册资本：</span>(.*?)</p>', html)
    pageOne = list(zip(company, capital))
    # 合并列表
    message.extend(pageOne)
message
# 导入python中的内置模块csv
import csv
with open("zhucecontent.csv", "w") as f:
    w = csv.writer(f)
    w.writerows(message)
!cat zhucecontent.csv
import matplotlib.pyplot as plt
import pandas as pd

#读取数据
df = pd.read_csv("zhucecontent.csv", names=["company", "capital"], header=None)

df['capital'] = pd.to_numeric(df['capital'].str.replace(r'[^\d.]', '', regex=True).replace('', '0'), errors='coerce')

# 按照注册资金降序排序
sorted_df = df.sort_values(by='capital', ascending=False)

# 选取前20家公司的数据
top_20 = sorted_df.head(20)

# 设置中文字体为黑体，解决中文显示问题
plt.rcParams['font.sans-serif'] = ['SimHei']
# 解决负号显示问题
plt.rcParams['axes.unicode_minus'] = False

# 绘制柱状图，以公司名称为x轴，注册资金为y轴
plt.bar(top_20['company'], top_20['capital'])

# 设置x轴标签
plt.xlabel('公司名称')
# 设置y轴标签
plt.ylabel('注册资金')
# 设置图表标题
plt.title('中国五百强中注册资金最多的20家公司')
# 设置x轴刻度标签旋转角度为45度，并靠右对齐，避免文字重叠
plt.xticks(rotation=45, ha='right')
# 自动调整子图参数，使之更紧凑合理，防止标签被截断等情况
plt.tight_layout()

# 显示图表
plt.show()