1、爬取思想

百度信用網(wǎng)站 https://xin.baidu.com/

1.1、嘗試獲取數(shù)據(jù)和查看url鏈接

1、我們可以隨便搜索法人代表，例如輸入：馬云

• 對(duì)應(yīng)的鏈接就會(huì)出現(xiàn) https://xin.baidu.com/s?q=%E9%A9%AC%E4%BA%91&t=0

2、我們嘗試搜索公司名稱，例如輸入：阿里巴巴

• 對(duì)應(yīng)的鏈接就會(huì)出現(xiàn) https://xin.baidu.com/s?q=%E9%98%BF%E9%87%8C%E5%B7%B4%E5%B7%B4&t=0

3、我們嘗試搜索社會(huì)統(tǒng)一信用碼，例如輸入：91330100716105852F

• 對(duì)應(yīng)的鏈接就會(huì)出現(xiàn) https://xin.baidu.com/s?q=%E9%A9%AC%E4%BA%91&t=0

4、我們嘗試搜索企業(yè)地址，例如輸入：浙江省杭州市濱江區(qū)網(wǎng)商路699號(hào)

• 對(duì)應(yīng)的鏈接就會(huì)出現(xiàn) https://xin.baidu.com/s?q=%E6%B5%99%E6%B1%9F%E7%9C%81%E6%9D%AD%E5%B7%9E%E5%B8%82%E6%BB%A8%E6%B1%9F%E5%8C%BA%E7%BD%91%E5%95%86%E8%B7%AF699%E5%8F%B7&t=0

綜述：其中對(duì)應(yīng)的q=后面的值就是 搜索關(guān)鍵詞，因?yàn)榫幋a問(wèn)題顯示的不是中文而是%E9%A9%AC%E4%BA%91，而**t=**后面的值對(duì)應(yīng)的是 搜索類型 如下，有8種：0=全部，1=企業(yè)名/注冊(cè)號(hào)，2=法人代表，3=地址，4=經(jīng)營(yíng)范圍，5=股東，6=高管，7=商標(biāo)

1.2、查看網(wǎng)頁(yè)源代碼的內(nèi)容

• 可以通過(guò)右鍵查看源代碼
• 使用Postman等測(cè)試工具查看，如下圖
  

從上圖可以看出返回的數(shù)據(jù)中有json數(shù)據(jù)，大部分獲取數(shù)據(jù)都是從這里取出來(lái)的。
所以我們只需要截取這里面的內(nèi)容，轉(zhuǎn)換下就可以了。
##2、PHP代碼實(shí)現(xiàn)
#####2.1、爬取企業(yè)信息

//獲取公司統(tǒng)一社會(huì)信用代碼 $keyword = input('keyword') ?? 0; if (!$keyword) $this->error('請(qǐng)?zhí)顚戧P(guān)鍵詞！'); $url = 'https://xin.baidu.com/s?q=' . $keyword . '&t=0'; $res = file_get_contents($url);//獲取爬取到數(shù)據(jù)的對(duì)象 $start = strpos($res, 'define(\'global/tplData\',', 0) + 25; $end = strpos($res, '}]})', $start) + 3; $info = json_decode(substr($res, $start, $end - $start), 1)['resultList'];$this->success('獲取公司詳情成功！', $info);

• strpos 方法是用于計(jì)算字符串出現(xiàn)該字符的第一個(gè)位置
• substr 方法是用于截取字符串的

其中 define(‘global/tplData’, 后面的數(shù)據(jù)才是我們要的，所以開始的位置是 取到的位置 + 25個(gè)字符，從源代碼也可以知道結(jié)束的位置是 }]}) ，所以結(jié)束的位置是 取到的位置 + 3個(gè)字符，所以截取的字符串就是 開始位置 截取，長(zhǎng)度為 結(jié)束位置 - 開始位置，從獲取的內(nèi)容是 resultList 里面。

2、分析與實(shí)現(xiàn)

2.2、爬取內(nèi)容分析

• 舉例：輸入的關(guān)鍵詞為 阿里巴巴，輸出的話我這里只顯示一部分給大家分析

{"code": 1,"msg": "獲取公司詳情成功！","time": "1587554169","data": [{"pid": "xlTM-TogKuTwvxosgH5poHE*cNI4uVFPdAmd","entName": "<em>阿</em><em>里</em><em>巴巴</em>(中國(guó))網(wǎng)絡(luò)技術(shù)有限公司","entType": "有限責(zé)任公司(臺(tái)港澳與境內(nèi)合資)","validityFrom": "1999-09-09","domicile": "浙江省杭州市濱江區(qū)網(wǎng)商路699號(hào)","entLogo": "https://zhengxin-pub.bj.bcebos.com/logopic/71071e73a15c072e0955938dceab03ef_fullsize.jpg","openStatus": "開業(yè)","legalPerson": "戴珊","tags": {"laTaxer": "<span class=\"zx-ent-tag laTaxer\">A級(jí)納稅人(2018)</span>"},"logoWord": "阿里巴巴","titleName": "阿里巴巴(中國(guó))網(wǎng)絡(luò)技術(shù)有限公司","titleLegal": "戴珊","titleDomicile": "浙江省杭州市濱江區(qū)網(wǎng)商路699號(hào)","levelAtaxer": [2018,2017,2016,2015,2014],"regCap": "1,072,526.0萬(wàn)","bid": "573261311273","scope": "開發(fā)、銷售計(jì)算機(jī)網(wǎng)絡(luò)應(yīng)用軟件；設(shè)計(jì)、制作、加工計(jì)算機(jī)網(wǎng)絡(luò)產(chǎn)品并提供相關(guān)技術(shù)服務(wù)和咨詢服務(wù)；服務(wù)：自有物業(yè)租賃，翻譯，成年人的非證書勞動(dòng)職業(yè)技能培訓(xùn)（涉及許可證的除外）。（依法須經(jīng)批準(zhǔn)的項(xiàng)目，經(jīng)相關(guān)部門批準(zhǔn)后方可開展經(jīng)營(yíng)活動(dòng)）","hitReason": [{"品牌項(xiàng)目": "<em>阿里巴巴</em>"},{"企業(yè)名稱": "<em>阿</em><em>里</em><em>巴巴</em>(中國(guó))網(wǎng)絡(luò)技術(shù)有限公司"},{"網(wǎng)站名稱": "<em>阿里巴巴</em>國(guó)際站APP下載短連接"}]}] }

從上面數(shù)據(jù)可以看出我們要的內(nèi)容：

• logoWord —LOGO關(guān)鍵詞， titleName —企業(yè)名稱，titleLegal —企業(yè)法人
• regCap —企業(yè)注冊(cè)資產(chǎn)， scope —企業(yè)經(jīng)營(yíng)范圍，entType —企業(yè)類型
• openStatus —企業(yè)開業(yè)狀態(tài)， validityFrom —企業(yè)注冊(cè)時(shí)間，titleDomicile —企業(yè)地址

• 大體上需要的信息就在上面了，其中有些字段，例如：entName、domicile、legalPerson 這些有可能是搜索的關(guān)鍵詞，會(huì)出現(xiàn) 高亮的標(biāo)簽，這樣會(huì)影響我們?nèi)?shù)據(jù)。

2.3、詳細(xì)的處理數(shù)據(jù)并輸出

//獲取公司統(tǒng)一社會(huì)信用代碼 $keyword = input('keyword') ?? 0; if (!$keyword) $this->error('請(qǐng)?zhí)顚戧P(guān)鍵詞！'); $url = 'https://xin.baidu.com/s?q=' . $keyword . '&t=0'; $res = file_get_contents($url);//獲取爬取到數(shù)據(jù)的對(duì)象 $start = strpos($res, 'define(\'global/tplData\',', 0) + 25; $end = strpos($res, '}]})', $start) + 3; $info = json_decode(substr($res, $start, $end - $start), 1)['resultList']; if (empty($info)) $this->error('未找到該企業(yè)！');$data = []; foreach ($info as $key => $val) {$inData = ['titleName' => $val['titleName'], //公司名稱'entType' => $val['entType'], //公司類型'titleDomicile' => $val['titleDomicile'], //公司地址'titleLegal' => $val['titleLegal'], //公司法人'openStatus' => $val['openStatus'], //開業(yè)狀態(tài)'regCap' => $val['regCap'], //公司注冊(cè)資產(chǎn)'scope' => isset($val['scope']) ? $val['scope'] : '', //公司信息'validityFrom' => $val['validityFrom'], //注冊(cè)時(shí)間];$data[] = $inData; }$this->success('獲取公司詳情成功！', $data);

• 通過(guò)搜索關(guān)鍵詞 阿里巴巴 ，我們得到的結(jié)果如下：

{"code": 1,"msg": "獲取公司詳情成功！","time": "1587555747","data": [{"titleName": "阿里巴巴(中國(guó))網(wǎng)絡(luò)技術(shù)有限公司","entType": "有限責(zé)任公司(臺(tái)港澳與境內(nèi)合資)","titleDomicile": "浙江省杭州市濱江區(qū)網(wǎng)商路699號(hào)","titleLegal": "戴珊","openStatus": "開業(yè)","regCap": "1,072,526.0萬(wàn)","scope": "開發(fā)、銷售計(jì)算機(jī)網(wǎng)絡(luò)應(yīng)用軟件；設(shè)計(jì)、制作、加工計(jì)算機(jī)網(wǎng)絡(luò)產(chǎn)品并提供相關(guān)技術(shù)服務(wù)和咨詢服務(wù)；服務(wù)：自有物業(yè)租賃，翻譯，成年人的非證書勞動(dòng)職業(yè)技能培訓(xùn)（涉及許可證的除外）。（依法須經(jīng)批準(zhǔn)的項(xiàng)目，經(jīng)相關(guān)部門批準(zhǔn)后方可開展經(jīng)營(yíng)活動(dòng)）","validityFrom": "1999-09-09"},{"titleName": "阿里巴巴(中國(guó))有限公司","entType": "有限責(zé)任公司(臺(tái)港澳法人獨(dú)資)","titleDomicile": "浙江省杭州市濱江區(qū)長(zhǎng)河街道網(wǎng)商路699號(hào)4號(hào)樓5樓508室","titleLegal": "張勇","openStatus": "開業(yè)","regCap": "15,298.0萬(wàn)","scope": "服務(wù)：企業(yè)管理，計(jì)算機(jī)系統(tǒng)服務(wù)，電腦動(dòng)畫設(shè)計(jì)，經(jīng)濟(jì)信息咨詢服務(wù)（除商品中介），成年人的非證書勞動(dòng)職業(yè)技能培訓(xùn)和成年人的非文化教育培訓(xùn)（涉及前置審批的項(xiàng)目除外）；生產(chǎn)：計(jì)算機(jī)軟件；銷售自產(chǎn)產(chǎn)品。（國(guó)家禁止和限制的除外，凡涉及許可證制度的憑證經(jīng)營(yíng)）","validityFrom": "2007-03-26"}] }

這樣就可以得到我們要的數(shù)據(jù)了

• 作者我建議還是讓用戶輸入社會(huì)統(tǒng)一信用碼來(lái)精準(zhǔn)搜索會(huì)好點(diǎn)，代碼如下：

//獲取公司統(tǒng)一社會(huì)信用代碼 $creditCode = input('credit_code') ?? 0; if (!$creditCode) $this->error('請(qǐng)?zhí)顚懡y(tǒng)一社會(huì)信用代碼！'); $url = 'https://xin.baidu.com/s?q=' . $creditCode . '&t=1'; $res = file_get_contents($url);//獲取爬取到數(shù)據(jù)的對(duì)象 $start = strpos($res, 'define(\'global/tplData\',', 0) + 25; $end = strpos($res, '}]})', $start) + 3; $info = json_decode(substr($res, $start, $end - $start), 1)['resultList'];//判斷是否存在該企業(yè) if (empty($info)) $this->error('未找到該企業(yè)！');//獲取企業(yè)信息 $info = $info[0]; //需要判斷一次是否信用代碼一致(如果公司名稱里面有則代表不是正確的信用碼) if (strpos($info['titleName'], $creditCode) !== false) $this->error('請(qǐng)?zhí)顚懻_的信用代碼！');$data = []; $data['titleName'] = $info['titleName'];//公司名稱 $data['entType'] = $info['entType'];//公司類型 $data['titleDomicile'] = $info['titleDomicile'];//公司地址 $data['titleLegal'] = $info['titleLegal'];//公司法人 $data['openStatus'] = $info['openStatus'];//開業(yè)狀態(tài) $data['regCap'] = $info['regCap'];//公司注冊(cè)資產(chǎn) $data['scope'] = isset($info['scope']) ? $info['scope'] : '';;//公司信息 $data['validityFrom'] = $info['validityFrom'];//注冊(cè)時(shí)間$this->success('獲取公司詳情成功！', $data);

• 如果只查詢信用碼的話需要判斷是否正確的信用碼，我這里直接去判斷信用碼是否在企業(yè)名字符串中，因?yàn)槲覀儌鞯念愋?t=1 是包括信用碼和企業(yè)名的查詢參數(shù)。

結(jié)果輸出如下：

{"code": 1,"msg": "獲取公司詳情成功！","time": "1587556071","data": {"titleName": "貴州龍恒農(nóng)業(yè)生態(tài)發(fā)展有限公司","entType": "有限責(zé)任公司(自然人投資或控股)","titleDomicile": "貴州省貴陽(yáng)市南明區(qū)花果園后街彭家灣花果園項(xiàng)目E區(qū)第E8（國(guó)際金融街2號(hào)）棟（E8）1單元19層12號(hào)[花果園社區(qū)]","titleLegal": "黃恩祥","openStatus": "開業(yè)","regCap": "100.0萬(wàn)","scope": "法律、法規(guī)、國(guó)務(wù)院決定規(guī)定禁止的不得經(jīng)營(yíng)；法律、法規(guī)、國(guó)務(wù)院決定規(guī)定應(yīng)當(dāng)許可（審批）的，經(jīng)審批機(jī)關(guān)批準(zhǔn)后憑許可（審批）文件經(jīng)營(yíng);法律、法規(guī)、國(guó)務(wù)院決定規(guī)定無(wú)需許可（審批）的，市場(chǎng)主體自主選擇經(jīng)營(yíng)。（農(nóng)業(yè)生態(tài)項(xiàng)目開發(fā)；銷售：農(nóng)產(chǎn)品、辦公設(shè)備、五金交電、玩具、辦公用品、日用百貨、服裝、家用電器、電腦耗材、電子產(chǎn)品、通訊器材、消防器材、安防器材、環(huán)保器材、橡膠制品、礦產(chǎn)品、礦渣、鋁合金制品、建筑材料、電線電纜、潤(rùn)滑油、金屬材料、工藝品、珠寶首飾、鐘表眼鏡、二三類機(jī)電產(chǎn)品；工程勞務(wù)分包；房地產(chǎn)經(jīng)紀(jì)。）","validityFrom": "2012-03-23"} }

謝謝大家的觀賞，如果有什么錯(cuò)誤的地方請(qǐng)多指教。

PS：僅供學(xué)習(xí)和參考，禁止商用。如果觸犯法律請(qǐng)并承擔(dān)法律責(zé)任與賠償！

總結(jié)

以上是生活随笔為你收集整理的PHP爬取企业详情（百度信用）的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。