自学研究批量下载会计准则

uthgavin

财务人员都知道会计准则更新很快，并且每个文件单独下载非常麻烦。所以，本人通过学习前辈，研究如何用python批量下载最新会计准则，供工作参考。新手编码，如有不足请各位指正。

废话少说，直接上菜。

import requests
from lxml import etree
import os
import docx
from docx import Document
from docx.oxml.ns import qn  # 中文格式
import time

path = f'f:/CAS最新会计准则/'  #指定文档保存目录
if not os.path.exists(path):
os.mkdir(path)

headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/88.0.4324.182 Safari/537.36 Edg/88.0.705.81'}

了解到网页一共有3页，所以i值为1-3

for i in range(1,4):
url = f'https://www.casc.org.cn/qykjzz/{i}.shtml'
res = requests.get(url=url,headers=headers)
res.encoding = 'utf-8'
res1 = res.text
html = etree.HTML(res1)
casname = html.xpath('//div[@class="newsCon clearfix"]//ul/li/a/text()')
caslis = html.xpath('//div[@class="newsCon clearfix"]//ul/li/a/@href')
cdic = dict(zip(casname,caslis))
for casname, casurl in cdic.items():

print(casname,casurl)

    casres = requests.get(url='https:'+casurl,headers=headers)
    casres.encoding = 'utf-8'
    casres1 =casres.text
    cashtml = etree.HTML(casres1)
    cascont = cashtml.xpath('//div[@class="pageInfo"]//text()')
    file = docx.Document()   #新建一个word文档
    file.add_heading(casname,level=1)   #保存指定word标题
    file.add_paragraph(cascont)        #保存word文档内容
    # 设置word文档中的字体格式
    file.styles['Normal'].font.name = u'微软雅黑'
    file.styles['Normal'].element.rPr.rFonts.set(qn('w:eastAsia'), u'微软雅黑')
    # # 插入照片
    # document.add_picture(r'C:\Users\Admin\Desktop\timg.jpg', width=docx.shared.Inches(6))

    # 保存word文档到指定目录中
    file.save(path+casname+'.docx')

    print(cascont)
    time.sleep(2)

qweqwezaq

感谢楼主

uthgavin

qweqwezaq 发表于 2021-7-22 10:22
感谢楼主

感谢支持！