获取统计用区划代码和城乡划分代码 (三级：市辖区、县（旗）、县级市、自治县（自治旗）、特区、林区)

source/area/china/city/CountySpider.py

@@ -0,0 +1,91 @@
+# -*- coding: UTF-8 -*-
+"""
+@description 获取统计用区划代码和城乡划分代码 (三级：市辖区、县（旗）、县级市、自治县（自治旗）、特区、林区)
+@author wendell
+"""
+from source.area.china.util import DbUtil, RequestUtil
+from pyquery import PyQuery
+import time
+import random
+
+
+def start_requests(encoding, headers):
+    """
+    开始请求三级：市辖区、县（旗）、县级市、自治县（自治旗）、特区、林区
+    :param encoding 编码
+    :param headers header
+    :return:
+    """
+    db = DbUtil.get_db()
+    while True:
+        try:
+            # 查询二级集合中存在URL的并且没有搜索过下级链接地址的数据
+            cities = db['city'].find({'searched': False, 'url': {'$ne': None}})
+            if not cities.count():
+                break
+            for city in cities:
+                if not city.get('url'):
+                    continue
+                print('开始获取[', city.get('province_name'), '-', city.get('name'), ']下的三级区县信息...')
+                res = RequestUtil.get(url=city.get('url'), headers=headers, encoding=encoding)
+                if not res:
+                    print(city.get('name'), '请求失败...')
+                    continue
+                doc = PyQuery(res, url=city.get('url'), encoding=encoding)
+                if not doc:
+                    print('三级区县信息获取错误,检查页面变化...')
+                    continue
+                # 当前二级下的所有三级区县信息
+                counties = []
+                for tr in doc('.countytr').items():
+                    tr.make_links_absolute()
+                    data = tr('a').text().split()
+                    if not tr('a') or not data:
+                        # 当非直辖市的区县有一个市辖区无下级链接
+                        data = tr('td').text().split()
+                    item = {
+                        'code': data[0],  # 统计汇总识别码-划分代码
+                        'name': data[1],  # 区县名称
+                        'city_id': city.get('_id'),  # 市ID
+                        'city_name': city.get('name'),  # 市名称
+                        'province_id': city.get('province_id'),  # 省ID
+                        'province_name': city.get('province_name')  # 省名称
+                    }
+                    if not tr('a') or not data:
+                        item.setdefault('url', None)
+                        item.setdefault('searched', True)
+                    else:
+                        item.setdefault('url', tr('a').attr('href'))  # 下级链接地址
+                        item.setdefault('searched', False)  # 是否搜索过下级链接地址
+                    counties.append(item)
+                # 更新市级信息
+                city['searched'] = True
+                db['city'].save(city)
+                print(counties)
+                # 准备入库, 区县信息, 添加到collection集合(数据库表)里
+                db['county'].insert_many(counties)
+        except Exception as e:
+            print(e)
+            print('休眠中.....')
+            time.sleep(round(5 + random.uniform(1, 3), 2))
+    print('数据获取完毕')
+    DbUtil.close_client(db.client)
+
+
+def main():
+    headers = {
+        'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,*/*;q=0.8',
+        'Accept-Encoding': 'gzip, deflate',
+        'Accept-Language': 'zh-CN,zh;q=0.9',
+        'Cache-Control': 'max-age=0',
+        'Connection': 'keep-alive',
+        'Host': 'www.stats.gov.cn',
+        'User-Agent': 'Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.132 '
+                      'Safari/537.36'
+    }
+    encoding = 'gb2312'
+    start_requests(encoding, headers)
+
+
+if __name__ == '__main__':
+    main()