python从巨潮资讯网批量下载指定范围年报

Question

可以帮我看看为什么运行不了吗？
想要实现的目的：根据企业代码.xlxs里的企业名单在巨潮资讯网搜索2023年年度报告并下载
代码：

import os
import time
from selenium import webdriver # type: ignore
from selenium.webdriver.common.keys import Keys # type: ignore
from openpyxl import load_workbook # type: ignore
from selenium.webdriver.chrome.service import Service  # type: ignore
# 读取企业代码
def read_company_codes(file_path):
    wb = load_workbook(file_path)
    ws = wb.active
    company_codes = []
    for row in ws.iter_rows(min_row=2, values_only=True):
        company_codes.append((row[0], row[1]))
    return company_codes

# 下载年报
def download_annual_reports(company_codes):
    service = Service('C:\Program Files\ESBrowser\chromedriver.exe')  
    driver = webdriver.Chrome(service=service)
    driver.get("http://www.cninfo.com.cn/new/index")

    for code, name in company_codes:
        # 搜索年报
        search_box = driver.find_element_by_id("searchKeyword")
        search_box.clear()
        search_box.send_keys(code)
        search_box.send_keys(Keys.ENTER)

        # 选择分类-年报
        annual_reports_link = driver.find_element_by_xpath("//a[contains(text(), '年报')]")
        annual_reports_link.click()

        # 下载年报
        download_button = driver.find_element_by_xpath("//a[contains(text(), '下载')]")
        download_button.click()

        # 等待下载完成
        time.sleep(5)

        # 重命名文件
        old_file_path = "D:\\数据采集\\年报\\" + code + ".pdf"
        new_file_path = "D:\\数据采集\\年报\\" + code + "_" + name + ".pdf"
        os.rename(old_file_path, new_file_path)

    driver.quit()

配置环境：pyhton3.11.9 64bit
1.

2.企业代码.xlxs的数据结构

3.selenium.库

Answer 1

以下内容由CHATGPT及阿里嘎多学长共同生成、有用望采纳：

---

根据您提供的信息和代码，我将帮助您逐步排查可能的问题：

1. 环境配置

• Python版本：您使用的是Python 3.11.9 64位，这与selenium库的版本4.21.0兼容。
• Chromedriver和Chrome浏览器：您已确认chromedriver版本与Chrome浏览器版本匹配，这是正确的步骤。

2. 文件路径

• chromedriver路径：C:\Program Files\ESBrowser\chromedriver.exe 路径看起来是正确的，但请确保该路径下确实存在chromedriver.exe文件。

3. 企业代码数据

• 数据结构：根据您提供的截图，企业代码和名称似乎是以两列的形式存储在Excel文件中，这与您的代码逻辑相匹配。

4. 代码逻辑

• 读取Excel文件：使用openpyxl库读取Excel文件的逻辑看起来是正确的。
• Selenium操作：您的代码中使用selenium打开浏览器、搜索年报、点击下载和重命名文件的逻辑也是正确的。

5. 错误排查

• 网络连接：请确保您的网络连接正常，并且可以访问巨潮资讯网。
• Selenium控制Chrome：尝试运行一个简单的selenium脚本，比如打开一个网页，以确保selenium可以控制Chrome浏览器。
• XPath选择器：请检查XPath选择器是否正确。您可以通过在浏览器中使用开发者工具来验证XPath。
• 文件下载和重命名：确保下载路径D:\\数据采集\\年报\\存在，并且您的用户账户有写入权限。

6. 代码实现和参考资料

• 代码实现：您的代码实现看起来是合理的，但可能需要添加一些异常处理来捕获和处理运行时错误。
• 参考资料：您可以参考selenium的官方文档来获取更多关于如何使用selenium的信息：Selenium Documentation

建议的额外步骤

1. 异常处理：在您的代码中添加异常处理，以便在遇到错误时能够提供更多信息。
2. 日志记录：添加日志记录，记录关键步骤的执行情况，这有助于调试。
3. 逐步调试：逐行执行代码，检查每个步骤的执行结果，特别是selenium操作部分。

示例代码添加异常处理

def download_annual_reports(company_codes):
    service = Service('C:\Program Files\ESBrowser\chromedriver.exe')
    driver = webdriver.Chrome(service=service)
    driver.get("http://www.cninfo.com.cn/new/index")

    try:
        for code, name in company_codes:
            try:
                # ... 省略其他代码 ...
                # 确保下载按钮点击后有实际的下载行为发生
                download_button.click()
                time.sleep(5)  # 等待时间可能需要根据实际情况调整
            except Exception as e:
                print(f"Error downloading annual report for {code}: {e}")
    finally:
        driver.quit()

请注意，time.sleep(5)可能不足以确保文件下载完成，您可能需要根据实际情况调整等待时间或使用更高级的等待策略，如WebDriverWait和expected_conditions。

希望这些建议能帮助您解决问题。如果问题仍然存在，请提供更详细的错误信息或日志，以便进一步分析。