import requests
# 设置请求头信息
headers = {
    "user-agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/101.0.4951.64 Safari/537.36 Edg/101.0.1210.53"
}
import re
# 存储内容
message = []
# 总共17个页面的数据
for page in range(17):
    # 组装url # 请求的url
    if page == 0:
        # https://top.chinaz.com/gongsi/index_zhuce.html
        url = "https://top.chinaz.com/gongsi/index_zhuce.html"
    else:
        # https://top.chinaz.com/gongsi/index_zhuce_2.html
        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)
    # 获取请求的返回结果
    html = response.text
    # 使用 findall 函数来获取数据
    # 公司名
    # <a href="/company/ZhongGuoTieLu.html" target="_blank">中国铁路总公司</a></h3>
    company = re.findall('<a.*?target="_blank">(.+?)</a></h3>', html)
    # 注册资本
    # 注册资本：</span>103600000万人民币</p>
    money = re.findall('注册资本：</span>(.*?)</p>', html)
    # 对应项目的信息进行打包
    pageOne = list(zip(company, money))
    # 合并列表
    message.extend(pageOne)
import csv
with open("content01.csv", "w") as f:
    w = csv.writer(f)
    w.writerows(message)
import pandas as pd
# 读取数据
df = pd.read_csv("content01.csv", names=["company", "money"], encoding='gbk')
# 填充空元素
df = df.fillna('0')
# 注册资本单位转换
company_all_top500=list(df.loc[0:499,'company'])
money_all_top500=list(df.loc[0:499,'money'])
money_all_number=[]
for i in money_all_top500:
    p=''
    for j in i:
        if j in '0123456789.':
            p=p+j
    p=float(p)
    if '万' in i:
        p=int(p*10000+0.5)
    if '亿' in i:
        p=int(p*100000000+0.5)
    # 汇率取自2022年5月26日
    if '美元' in i:
        p=int(p*6.7388+0.5)
    if '港' in i:
        p=int(p*0.8585+0.5)
    money_all_number.append(p)
data={'company':company_all_top500,'money':money_all_number}
df=pd.DataFrame(data)
df=df.sort_values(by=['money'],ascending=False)
# 取注册资本最多的前二十公司名称和注册资本
company_top20=df.iloc[0:20,0]
money_top20=df.iloc[0:20,1]

#公司名称竖状表示
company_top20_y=[]
for i in company_top20:
    s=''
    for j in i:
        p=j
        if j=='（':
            p='︵'
        if j=='）':
            p='︶'
        s=s+p+'\n'
    company_top20_y.append(s)

# 在jupyter中直接展示图像
import matplotlib.pyplot as plt
# 步骤一（替换sans-serif字体）
plt.rcParams['font.sans-serif'] = ['SimHei']
# 步骤二（解决坐标轴负数的负号显示问题）
plt.rcParams['axes.unicode_minus'] = False
plt.bar(range(20),money_top20)
plt.xticks(range(20),company_top20_y)
plt.yticks([2000e8,4000e8,6000e8,8000e8,10000e8],['2000','4000','6000','8000','10000'])
plt.ylabel('注册资本/亿元')
plt.title('中国500强公司注册资金前二十的公司及注册资金示意图')
plt.show()