今天乐视的股价能够说是从水深火热到激情澎湃,振幅高达 19.5%,不知你们都赚到了吗?网站
无论赚没赚到,买股票前收集资料进行调研仍是必须的。get
上市公司信息发布哪里权威呢,天然是巨潮资讯,毕竟是中国证监会指定信息披露网站。域名
如何抓取其中乐视相关 pdf 文件呢,从网站上一个个下载多累,还未必能找全,我教你个办法,自动化抓取,一劳永逸。下面开始演示。it
1、搜索自动化
这里以从巨潮资讯网 全站乐视 相关 pdf 为例,巨潮网址:class
http://www.cninfo.com.cnpdf
注意里面用了 site 和 filetype 两个操做符,这两个啥用途呢?百度
site 用于列出某域名下全部网页(包含文件)file
filetype 用于筛选文件类型搜索
两者结合就起到列出网站下全部搜索词相关 pdf 文件的目的。
2、抓取
如今连接有了,如何抓取呢,这里就该 Web Scraper 出场了。
一、创建 Sitemap。
二、按以下结构创建选择器。
三、抓取并导出 Excel 以下。
3、下载
连接有了,如何下载呢,迅雷上呗。
下载任务圆满完成:
4、思考
一、乐视抓完了,格力呢?巨潮会抓了,别的网站呢?
二、若是把搜索词乐视去掉又会如何?这里面有什么花头可挖?
三、filetype 后面换个别的文件类型呢,好比 ppt,doc,xls?
四、百度高级搜索 界面以下,你还能想出什么玩法?