【友友 RPA】零基础小白系列分享：抓取企查查网页数据

lisaisacat · 发表于 2022-6-29 15:50

本帖最后由 lisaisacat 于 2022-7-13 12:14 编辑

开发环境：
友友编辑器版本 1.2.6
SDK 版本 1.0.2.24

Microsoft Windows 10 专业版 10.0.19043 64 位
NET Framework 4.8.4400.0

运行环境：
Chrome 浏览器
Version 102.0.5005.63 (Official Build) (64-bit)

可视化流程：

设计思路：

通过对话框设置搜索关键词和抓取页数
写入数据前先清空 Excel 文件内容
循环抓取公司名称、法人姓名、注册资本信息并写入 Excel
调整单元格宽度

关于元素：https://www.52pojie.cn/thread-1652269-1-1.html
该流程主要涉及到元素编辑器属性编辑的使用，因为企查查的网页实现方式主要用 span 网页标签实现，用相似元素会找到非常多的无关信息，于是使用了 if 判断组件来进行筛选。
当然，如果抓取的数据特征明显，还可以使用【结构化数据】+【提取文本】，使用正则表达式来实现。

代码详解：
第 1 行

标题和默认文字都是字符串格式，返回值是输入的内容
第 2 行也一样，只不过默认数字是 3（企查查免费账号最多也就看两三页），返回值是页数

第 3 行

网址使用字符串+变量拼接的："https://www.qcc.com/web/search?key="+关键词
这里要说一下，为了实现翻页抓取数据，当前流程使用的是点击下一页元素，其实也可以通过拼接网址和页数来实现
比如第二页的网址为：https://www.qcc.com/web/search?key=%E6%B8%B8%E6%88%8F&p=2，网址也可以是"https://www.qcc.com/web/search?key="+关键词+"p="+抓取页数

文件所在路径，需要具体到扩展名
./ 表示为相对路径

获取行数和列数，这个主要是测试用，在每次运行前把文件清空下方便查看运行效果，真正运行的时候可以把这部分禁用掉

第 9 行

抓几页就循环几次

如果要抓取多页，则点击下一页按钮

这里需要说明一下，因为第一页的时候，是没有左侧【上一页】按钮的，所以在第一页和第二页，【下一页】按钮的位置发生了变化
这就需要在抓取元素时对属性进行下编辑，才能在所有页面生效

在每次抓取完元素之后，都需要切换下页码再点击【查找验证】看看不同页面是否都能找到，找不到的话就对比看看有什么不同，通过编辑器来兼容

循环相似元素

大致流程;选择一个元素→编辑属性→选择相似元素
看看高亮的元素，如果特别多的话，会影响到运行速度
最好是通过元素属性过滤掉不相关元素
对于企查查页面的公司名称来说，倒数第三个节点的 class 可以很好的筛选出结果
但对于其他元素比如法定代表人啊地址啊就复杂的多，比如下图

编辑了倒数第一到第三个节点的 class 才勉强把范围缩小了，但仍然需要用 if 判断来继续过滤

写入 Excel

这里需要注意的是，范围选择单元格的时候，输入的内容是文本，也就是字符串格式
选择行和列，则需要输入列表格式数据
选择区域，格式则是数据表
如果单元格是个珠子，输入的内容不管是字符串还是数字，都是单个数据
行和列则像一串珠子，格式为 [单元格,单元格,单元格]
区域更加复杂，是一个横纵交错的棋盘，输入的内容是{单元格,单元格,单元格],单元格,单元格,单元格],单元格,单元格,单元格]}

最后一行就没啥可说的了，主要是为了让文档美观一点

流程源码下载：
链接：https://console.yoyorpa.com/process_share?id=q9n8BFZ5cPyRhWM7BMy6kuAmLmPjB5z2eXbRDbWQ

友友编辑器 beta 测试版（http://www.yoyorpa.com/studio）

使用方法：
友友编辑器→左上角文件→导入压缩包→选择流程项目→顶部运行

lisaisacat · 发表于 2022-6-29 16:33

qq734928657 发表于 2022-6-29 16:20
如果写个网页自动答题的我相信会火的比如有本地excel题库网页在线自动答题

RPA 就是个拼图，需要什么功能得自己研究，我暂时没这个需求。

lisaisacat · 发表于 2022-7-5 10:28

keyyan 发表于 2022-7-1 18:46
视频看到一半会弹窗答题，可以用这个工具答题完毕后自动关闭弹窗窗口？

答题它得知道答案才行呀，不然只能选择固定位置的选项。

qq734928657 · 发表于 2022-6-29 16:20

如果写个网页自动答题的我相信会火的比如有本地excel题库网页在线自动答题

fredcyt · 发表于 2022-6-29 17:24

直接模拟请求多块啊，他这个风控又不难

lisaisacat · 发表于 2022-6-29 17:34

fredcyt 发表于 2022-6-29 17:24
直接模拟请求多块啊，他这个风控又不难

不是所有人都会写代码啊

jam521 · 发表于 2022-6-29 19:53

针对不会写代码的人来说，这个很有用！

请输入密码 · 发表于 2022-6-29 21:16

额，有白飘的会员，直接下了

lisaisacat · 发表于 2022-6-30 10:25

jam521 发表于 2022-6-29 19:53
针对不会写代码的人来说，这个很有用！

尤其是为了抓数据做分析的新媒体啊之类的岗位，大部分其实都不会写代码。

lisaisacat · 发表于 2022-6-30 10:28

请输入密码发表于 2022-6-29 21:16
额，有白飘的会员，直接下了

这只是个思路嘛，不是所有网站都提供会员下载啊

夢不醒的依戀 · 发表于 2022-6-30 11:25

直接模拟请求多块啊，他这个风控又不难

帐号		自动登录	找回密码
密码			注册[Register]

[其他原创] 【友友 RPA】零基础小白系列分享：抓取企查查网页数据

免费评分