123
返回列表 上一主題 發帖

[發問] 關於網頁資料抓取問題

VBALearner

帖子
102 
主題
14 
精華
0 
積分
142 
點名
0  
作業系統
Win10 
軟體版本
Office2016 
閱讀權限
20 
性別
男 
註冊時間
2016-7-31 
最後登錄
2020-3-21 

論壇贊助勳章
21# 跳轉到 »
發表於 2017-2-10 21:22 | 只看該作者
本帖最後由 VBALearner 於 2017-2-10 21:24 編輯

回復 18# sujane0701
回復 20# c_c_lai

應C大的期待，加入第二次POST，完稿。
想當初C大也回應我許多VBA的低能問題xD，記得當時我PO了一篇分享文"三大法人買賣超資料整理..."，結果就有高手用Python把自動下載Excel的程式碼貼出來，引發幾十頁的熱烈討論。若不是高手無私分享、令我對Python語言大開眼界並產生高度興趣的話，我便不會去學習Py，可能還停留在VBA吧... 因此，完整的程式碼S大、C大請享用，並鼓勵Py高手對我的程式碼提出建言，S大您接下來只需要把資料存成Excel，這一步很簡單，網路找找吧，加油。
  1. import requests
  2. import time
  3. from bs4 import BeautifulSoup

  5. postfreq = 0.8 #避免過度頻繁的訪問被當成惡意程式攻擊(類似小型DDOS)，秒數間隔訪問是爬蟲的基本禮貌

  7. #僅以兩筆主提單號碼示範，欲增加自行更改即可
  8. 主提單號碼 = ['160-69306532','608-10318674'] #,'851-26325773','479-32003532','695-08802916','297-64647785']

  10. with requests.session() as r:
  11.     res = r.get('https://accs.tradevan.com.tw/accsw-bin/APACCS/userLoginAction.do?userid=GUEST&password=GUEST')
  12.     for code in 主提單號碼:
  13.         print('主提單號碼 :',code,'\n')
  14.         time.sleep(postfreq)
  15.         payload = {'mawb_no':code,'查詢':'查詢'}
  16.         res = r.post("https://accs.tradevan.com.tw/accsw-bin/APACCS/cImMergeQueryAction.do", data=payload) #第一次訪問
  17.         res.encoding = "big-5"
  18.         html = BeautifulSoup(res.text,"html.parser")
  19.         num = 1
  20.         for tr in html.body.select('table')[4].select('tr')[1:]: #把Table裡的tr資料逐列取出
  21.             summary = [] #建立摘要資訊的存放陣列
  22.             postdata = [] #二次訪問所需參數的存放陣列
  23.             for td in tr.select('td'):
  24.                 summary.append(td.text.strip())
  25.                 if td == tr.select('td')[len(tr.select('td'))-1]: #這裡有下一個POST所需的資訊(參數)，透過觀察網頁原始碼得知
  26.                     postdata.append(str(td).split('&')[1].replace('flight_no=','')) #參數1
  27.                     postdata.append(str(td).split('&')[2].replace('flight_date=','')) #參數2
  28.                     postdata.append(str(td).split('&')[3].replace('est_arrival_date=','')) #參數3
  29.    
  30.             print('  ','摘要資訊'+str(num),':',summary,'\n') #第一次查詢得到的摘要資料
  31.             num+=1

  33.             payload = {'mawb_no':code,
  34.                        'voyage_flight_no':postdata[0],
  35.                        'est_arrival_date':postdata[2],
  36.                        'flight_date':postdata[1],
  37.                        'qry_mawb_no':code,
  38.                        'qry_sort':'0'
  39.                        }
  40.             time.sleep(postfreq)
  41.             res = r.post("https://accs.tradevan.com.tw/accsw-bin/APACCS/cImMergeListAction.do", data=payload) #第二次POST
  42.             res.encoding = "big-5"
  43.             html = BeautifulSoup(res.text,"html.parser")

  45.             print('  ','詳細資料如下 :')
  46.             for tr in html.select('table')[4].select('tr'):
  47.                 data = []
  48.                 for td in tr.select('td'):
  49.                     data.append(td.text.replace('\r','').replace('\n','').replace(' ','').strip())
  50.                 print('\t',data)
  51.             print('\n')
  52.             #運用其他模組把爬到的資料存成Excel即大功告成，甚至可以進一步運用select語法篩選特定位置的資料
複製代碼
真心感謝每一位願意分享所學、指導新手的人!

TOP

c_c_lai

帖子
2035 
主題
24 
精華
0 
積分
2031 
點名
0  
作業系統
Win7 
軟體版本
Office2010 
閱讀權限
100 
性別
男 
註冊時間
2012-3-22 
最後登錄
2024-2-1 
22#
發表於 2017-2-10 21:43 | 只看該作者
回復 21# VBALearner
蠻不錯的詮釋！
謝謝囉！

TOP

sujane0701
　暱稱: Ted

中學生Rank: 2

帖子
70 
主題
12 
精華
0 
積分
163 
點名
0  
作業系統
windows 
軟體版本
office 2010 
閱讀權限
20 
性別
男 
來自
基隆市 
註冊時間
2010-5-3 
最後登錄
2024-6-7 
23#
發表於 2017-2-13 13:24 | 只看該作者
呵,小弟太差勁了,VBALearner大即使公佈答案,小弟暫時還是一知半解,先收下VBALearner大的大禮包好好研究,非常感謝!

TOP

VBALearner

帖子
102 
主題
14 
精華
0 
積分
142 
點名
0  
作業系統
Win10 
軟體版本
Office2016 
閱讀權限
20 
性別
男 
註冊時間
2016-7-31 
最後登錄
2020-3-21 

論壇贊助勳章
24#
發表於 2017-2-13 21:22 | 只看該作者
本帖最後由 VBALearner 於 2017-2-13 21:25 編輯

回復 23# sujane0701

沒關係，我只希望幫助願意學習而不是只伸手討免費程式的人。
您是個被程式威力激發熱情的人，跟小弟我一樣，小弟我一年前連一句程式碼都不會寫，希望您保持這份熱情持續學習。
您若只要部分資料，可以透過更改以下我PO的三句語法，去一一挑出要存取的資料位置。例如: html.select('table')[4].select('tr')[2].select('td')[1] 可以挑出表格中第三列從左數來第二個資料點，也就是"貨棧"的資料點，然後一一輸入進陣列後，再一併寫入Excel即可完成你的目標，工作順利 !
  1.             for tr in html.select('table')[4].select('tr'):
  2.                 data = []
  3.                 for td in tr.select('td'):
複製代碼
  1. data = []
  2. data.append(html.select('table')[4].select('tr')[2].select('td')[1])
  3. data.append(html.select('table')[4].select('tr')[?].select('td')[?])

  5. with open("xxx.xlsx",xx) as excel:
  6.     #寫入的程式碼
複製代碼
真心感謝每一位願意分享所學、指導新手的人!

TOP

stillfish00

帖子
1018 
主題
15 
精華
0 
積分
1058 
點名
0  
作業系統
win7 32bit 
軟體版本
Office 2016 64-bit 
閱讀權限
50 
性別
男 
來自
桃園 
註冊時間
2012-5-9 
最後登錄
2022-9-28 
25#
發表於 2017-2-15 20:03 | 只看該作者
回復 23# sujane0701
Python 絕對是值得學習的語言，較熱門，套件也多。
參考 VBALearner 的 code ，改為 VBA 的 code 應該也是能達到你的需求的：
  1. Sub 查詢()
  2.     Dim oXmlhttp: Set oXmlhttp = CreateObject("msxml2.xmlhttp")
  3.     Dim oHtml: Set oHtml = CreateObject("htmlfile")
  4.     Dim sUrl As String, sPost As String, sID As String
  5.     Dim ar, r, i, j
  6.    
  7.     With Sheets(1)
  8.         ar = .[a1].Resize(.Cells(.Rows.Count, 1).End(xlUp).Row)
  9.     End With
  10.     For r = 2 To UBound(ar)
  11.         sID = ar(r, 1)
  12.         With oXmlhttp
  13.             sUrl = "https://accs.tradevan.com.tw/accsw-bin/APACCS/userLoginAction.do?userid=GUEST&password=GUEST"
  14.             .Open "Get", sUrl, False
  15.             .send
  16.             oHtml.Body.innerhtml = .responsetext
  17.             sUrl = "https://accs.tradevan.com.tw/accsw-bin/APACCS/cImMergeQueryAction.do"
  18.             sPost = "mawb_no=" & sID & "&查詢=查詢"
  19.             sPost = oHtml.parentWindow.encodeURI(sPost)
  20.             .Open "Post", sUrl, False
  21.             .setRequestHeader "Content-Type", "application/x-www-form-urlencoded"
  22.             .setRequestHeader "Content-Length", Len(sPost)
  23.             .send (sPost)
  24.             oHtml.Body.innerhtml = .responsetext
  25.             With oHtml.GetElementsByTagName("table")(4).Rows(1)
  26.                 sInfo = .Cells(.Cells.Length - 1).GetElementsByTagName("a")(0).href
  27.             End With
  28.             
  29.             sUrl = "https://accs.tradevan.com.tw/accsw-bin/APACCS/cImMergeListAction.do"
  30.             sPost = "mawb_no=" & sID & _
  31.                         "&voyage_flight_no=" & Split(Split(sInfo, "flight_no=")(1), "&")(0) & _
  32.                         "&flight_date=" & Split(Split(sInfo, "flight_date=")(1), "&")(0) & _
  33.                         "&est_arrival_date=" & Split(Split(sInfo, "est_arrival_date=")(1), "&")(0) & _
  34.                         "&qry_mawb_no=" & sID & _
  35.                         "&qry_sort=0"
  36.             sPost = oHtml.parentWindow.encodeURI(sPost)
  37.             .Open "Post", sUrl, False
  38.             .setRequestHeader "Content-Type", "application/x-www-form-urlencoded"
  39.             .setRequestHeader "Content-Length", Len(sPost)
  40.             .send (sPost)
  41.             oHtml.Body.innerhtml = .responsetext
  42.             With oHtml.GetElementsByTagName("table")(4)
  43.                 For i = 0 To .Rows.Length - 1
  44.                     With .Rows(i)
  45.                         For j = 0 To .Cells.Length - 1
  46.                             Sheets(2).Cells((r - 2) * 12 + i + 1, j + 1).Value = .Cells(j).innertext
  47.                         Next
  48.                     End With
  49.                 Next
  50.             End With
  51.         End With
  52.     Next
  53. End Sub
複製代碼
表達不清、題意不明確、沒附檔案格式、沒有討論問題的態度~~~~~~以上愛莫能助。

TOP

VBALearner

帖子
102 
主題
14 
精華
0 
積分
142 
點名
0  
作業系統
Win10 
軟體版本
Office2016 
閱讀權限
20 
性別
男 
註冊時間
2016-7-31 
最後登錄
2020-3-21 

論壇贊助勳章
26#
發表於 2017-2-17 20:23 | 只看該作者
回復 25# stillfish00

挖靠 VBA專家無誤
有關VBA的爬蟲程式似乎極為少見，敢問fish大是在哪裡學VBA爬蟲的語法呢?
真心感謝每一位願意分享所學、指導新手的人!

TOP

stillfish00

帖子
1018 
主題
15 
精華
0 
積分
1058 
點名
0  
作業系統
win7 32bit 
軟體版本
Office 2016 64-bit 
閱讀權限
50 
性別
男 
來自
桃園 
註冊時間
2012-5-9 
最後登錄
2022-9-28 
27#
發表於 2017-2-20 13:55 | 只看該作者
回復 26# VBALearner
網路自學的，對岸論壇有不錯的資料
http://club.excelhome.net/thread-1303169-1-1.html
表達不清、題意不明確、沒附檔案格式、沒有討論問題的態度~~~~~~以上愛莫能助。

TOP

VBALearner

帖子
102 
主題
14 
精華
0 
積分
142 
點名
0  
作業系統
Win10 
軟體版本
Office2016 
閱讀權限
20 
性別
男 
註冊時間
2016-7-31 
最後登錄
2020-3-21 

論壇贊助勳章
28#
發表於 2017-2-23 01:10 | 只看該作者
回復 27# stillfish00

感謝您! 我有空來研究研究，順便複習VBA，Py寫久了都忘記怎麼寫VBA了= ="
真心感謝每一位願意分享所學、指導新手的人!

TOP

        靜思自在 : 發脾氣是短暫的發瘋。
123
返回列表 上一主題