aiqicha

.idea/SearchCompany.iml

@@ -4,7 +4,7 @@
     <content url="file://$MODULE_DIR$">
       <excludeFolder url="file://$MODULE_DIR$/.venv" />
     </content>
-    <orderEntry type="jdk" jdkName="Python 3.13 (SearchCompany)" jdkType="Python SDK" />
+    <orderEntry type="jdk" jdkName="Python 3.13 virtualenv at D:\gitstudy\pythonwork\SearchCompany\.venv" jdkType="Python SDK" />
     <orderEntry type="sourceFolder" forTests="false" />
   </component>
 </module>

.idea/misc.xml

@@ -3,4 +3,5 @@
   <component name="Black">
     <option name="sdkName" value="Python 3.13 (SearchCompany)" />
   </component>
+  <component name="ProjectRootManager" version="2" project-jdk-name="Python 3.13 virtualenv at D:\gitstudy\pythonwork\SearchCompany\.venv" project-jdk-type="Python SDK" />
 </project>

company/auth_state.json

@@ -0,0 +1 @@
+{}

crawler_bing_main.py

@@ -294,7 +294,7 @@ def check_company_exists(company_names, type_list):
 
 
 if __name__ == '__main__':
-    reader = CSVReader('data.csv')
+    reader = CSVReader('data/data.csv')
     company_names = reader.read_column(0, has_header=False)
     print("所有数据:", company_names)
 
@@ -307,7 +307,7 @@ if __name__ == '__main__':
     with BingSearcher() as searcher:
         # 创建CSV工具实例
         csv_tool = CSVTool(
-            csv_file_name='company_search_bing_data.csv',
+            csv_file_name='data/company_search_bing_data.csv',
             headers=['title', 'url', 'web_site_type', 'request_url', 'company_name', 'create_time']
         )
         # 查询所有数据
@@ -357,7 +357,7 @@ if __name__ == '__main__':
             else:
                 # 创建CSV工具实例
                 csv_tool = CSVTool(
-                    csv_file_name='company_search_bing_data.csv',
+                    csv_file_name='data/company_search_bing_data.csv',
                     headers=['company_name','title', 'web_site_type','url',  'request_url',  'create_time']
                 )
 

crawler_campany_detail_by_data_csv.py

@@ -50,6 +50,29 @@ def crawl_and_save_aiqicha_details(input_csv, output_csv):
         headers=output_headers
     )
 
+    # 读取已有的企业名称，用于去重
+    existing_company_names = set()
+    try:
+        existing_data = output_csv_tool.get_all_data()
+        existing_company_names = {item['company_name'] for item in existing_data if item['company_name']}
+        print(f"已存在 {len(existing_company_names)} 条企业数据")
+    except FileNotFoundError:
+        print(f"输出文件 {output_csv} 不存在，将创建新文件")
+    except Exception as e:
+        print(f"读取已有数据时出错: {e}")
+
+    # 过滤掉已存在的企业数据
+    filtered_aiqicha_data = []
+    for item in aiqicha_data:
+        company_name = item.get('company_name', '')
+        if company_name and company_name in existing_company_names:
+            print(f"跳过已存在的企业: {company_name}")
+        else:
+            filtered_aiqicha_data.append(item)
+
+    aiqicha_data = filtered_aiqicha_data
+    print(f'过滤后剩余 {len(aiqicha_data)} 条爱企查数据待处理')
+
     # 使用爱企查详情爬虫
     with AiqichaDetailCrawler() as crawler:
         company_details = []
@@ -101,10 +124,11 @@ def crawl_and_save_aiqicha_details(input_csv, output_csv):
             time.sleep(next_sleep_interval)
         
         print(f"总共成功处理并保存了 {success_count} 条企业详情数据到 {output_csv}")
+        # crawler.browser.close_browser()
 
 if __name__ == '__main__':
     # 从原始搜索结果CSV中读取爱企查URL，爬取详情并保存到新CSV文件
-    crawl_and_save_aiqicha_details('company_search_bing_data.csv', 'aiqicha_company_details.csv')
+    crawl_and_save_aiqicha_details('data/company_search_bing_data.csv', 'data/aiqicha_company_details.csv')
     
     # 原有代码保留
     # all_data = query_init_company_data('company_search_bing_data.csv')

data/data.csv

@@ -0,0 +1,47 @@
+杭州元氪科技有限公司
+杭州华立创客社区管理有限公司
+杭州迅能贸易有限公司
+杭州栖梦工坊科技服务有限公司
+瑞幸咖啡（杭州）有限公司
+杭州余杭区五常街道莱欧烘焙店
+杭州余杭融昭文化创意工作室（个体工商户）
+杭州余杭区五常街道梓鑫水果店
+杭州三乐进出口有限公司
+杭州余杭区五常街道慧欣图文设计工作室
+杭州质享电子商务有限责任公司 
+杰茜荟乳业（上海）有限公司杭州余杭科技分公司
+浙江正播影视文化传媒有限公司
+杭州品思电子商务有限公司
+杭州芯桥智联科技有限公司
+杭州帛蔻进出口有限公司
+杭州佰磊斯科技有限公司
+杭州括号传媒有限公司
+杭州赤骥贸易有限公司
+杭州键嘉医疗科技股份有限公司
+阳光财产保险股份有限公司杭州中心支公司
+杭州智风科技有限公司
+杭州勇达检测技术有限公司
+杭州初米网络技术有限公司
+杭州和辰电力科技有限公司
+杭州润州光电技术有限公司
+杭州君莱通信科技有限公司
+杭州余杭图王广告设计工作室（个体工商户）
+杭州润光软件技术有限公司
+杭州易光科技有限公司
+杭州奇课文化传媒有限公司
+杭州柯拉科技有限公司
+杭州备胎说车科技有限公司
+浙江绿色共享教育基金会
+杭州爱维因健康科技有限公司
+浙江润影医疗科技有限公司
+杭州花蜂科技有限公司
+连云港金康和信药业有限公司
+杭州立镖信息科技有限公司
+杭州番石榴供应链管理有限公司
+杭州昇辉生物技术有限公司
+湖州益荣服饰有限公司
+杭州顾嘉网络科技有限公司
+厨何以（杭州）电子商务有限公司
+杭州优冠商贸有限公司
+永馨智慧科技（杭州）有限公司
+杭州钱唐隆腾医疗技术有限公司

data1.csv

@@ -1,7 +1,7 @@
 杭州辉煌物业管理有限公司
 杭州辉望科技有限公司
 浙江八方电信科技集团有限公司
-中国移动通信集团浙江有限公司余杭分公司西溪八方城（自营厅）
+中国移动通信集团浙江有限公司余杭分公司西溪八方城
 瑞凤九天（杭州）科技有限公司
 金码智能科技（杭州）有限公司
 OPPO广东移动通信有限公司
@@ -15,7 +15,7 @@ OPPO广东移动通信有限公司
 杭州钱橙似锦科技有限公司
 杭州奥得徕贸易有限公司
 杭州伍壹荟旅游咨资询有限公司
-杭州心满意定供应链服务有限公司
+杭州心满意足供应链服务有限公司
 杭州麒晨科技有限公司
 杭州羊咩咩文化传媒有限公司
 杭州禾露则正生物科技有限公司
@@ -30,7 +30,7 @@ OPPO广东移动通信有限公司
 杭州裕阳经营管理合伙企业(有限合伙)
 氧气.康复中心
 杭州云迹物联科技有限公司
-杭州着墨文化创意者限公司
+杭州着墨文化创意有限公司
 亚信科技（南京）有限公司
 杭州密尔沃智能装备有限公司
 杭州骏远电子商务有限公司
@@ -41,7 +41,7 @@ OPPO广东移动通信有限公司
 杭州琑为缘文化艺术有限公司
 浙江丝里伯睡眠科技股份有限公司
 杭州倍驰科技有限公司
-杭州心灵部落教育有限公司（灵动生活）
+杭州心灵部落教育有限公司
 杭州云印智造科技有限公司
 浙江海拓环境技术有限公司
 申能环境科技有限公司
@@ -50,7 +50,7 @@ OPPO广东移动通信有限公司
 杭州字节跳动科技有限公司
 杭州邻汇网络科技有限公司
 浙江建盛安全科技有限公司
-幻想集团·杭州运营中心
+石家庄幻想企业管理咨询有限公司
 杭州阿克莱斯设备有限公司
 浙江省现代农业促进会
 益思芯科技（杭州）有限公司

demo/aiqicha-浙江千麦司法鉴定中心.html

@@ -0,0 +1 @@
+浙江千麦司法鉴定中心

demo/qichacha_aiqicha.js

@@ -0,0 +1,831 @@
+// ==UserScript==
+// @name         爱企查&企查查等
+// @namespace    http://tampermonkey.net/
+// @version      0.2
+// @description  在页面右下角添加工具按钮，支持复制源码和解析公司信息
+// @author       You
+// @match        https://www.qcc.com/firm/*
+// @match        https://aiqicha.baidu.com/company_detail_*
+// @grant        none
+// ==/UserScript==
+
+(function () {
+  "use strict";
+
+  // 工具类 - 存放通用函数
+  class ToolUtils {
+    static cleanText(text) {
+      return text
+        .replace(/\s+/g, " ")
+        .replace(/[\r\n\t]/g, "")
+        .trim();
+    }
+
+    static extractText(doc, selectors) {
+      for (const selector of selectors) {
+        const element = doc.querySelector(selector);
+        if (element && element.textContent.trim()) {
+          return element.textContent.trim();
+        }
+      }
+      return "";
+    }
+
+    static copyToClipboard(content, successMessage) {
+      const textarea = document.createElement("textarea");
+      textarea.value = content;
+      textarea.style.position = "fixed";
+      textarea.style.top = "0";
+      textarea.style.left = "0";
+      textarea.style.width = "1px";
+      textarea.style.height = "1px";
+      textarea.style.opacity = "0";
+
+      document.body.appendChild(textarea);
+      textarea.select();
+      document.execCommand("copy");
+      document.body.removeChild(textarea);
+
+      if (successMessage) {
+        this.showAutoCloseMessage(successMessage, "success");
+
+      }
+    }
+
+    static showAutoCloseMessage(message, type = "info") {
+      // 创建一个自动关闭的提示框替代 alert
+      const alertBox = document.createElement("div");
+      alertBox.textContent = message;
+      alertBox.style.position = "fixed";
+      alertBox.style.top = "50%";
+      alertBox.style.left = "50%";
+      alertBox.style.transform = "translate(-50%, -50%)";
+
+      // 根据消息类型设置不同颜色
+      if (type === "success") {
+        alertBox.style.backgroundColor = "#52c41a";
+      } else if (type === "error") {
+        alertBox.style.backgroundColor = "#f5222d";
+      } else {
+        alertBox.style.backgroundColor = "#1890ff";
+      }
+
+      alertBox.style.color = "white";
+      alertBox.style.padding = "10px 20px";
+      alertBox.style.borderRadius = "4px";
+      alertBox.style.zIndex = "10001";
+      alertBox.style.boxShadow = "0 2px 8px rgba(0,0,0,0.15)";
+      alertBox.style.transition = "opacity 0.3s";
+
+      document.body.appendChild(alertBox);
+
+      // 2秒后自动关闭
+      setTimeout(() => {
+        if (document.body.contains(alertBox)) {
+          // 添加淡出效果
+          alertBox.style.opacity = "0";
+          // 真正移除元素
+          setTimeout(() => {
+            if (document.body.contains(alertBox)) {
+              document.body.removeChild(alertBox);
+            }
+          }, 300);
+        }
+      }, 2000);
+    }
+
+    static showResult(data) {
+      const modal = document.createElement("div");
+      modal.style.position = "fixed";
+      modal.style.top = "50%";
+      modal.style.left = "50%";
+      modal.style.transform = "translate(-50%, -50%)";
+      modal.style.width = "600px";
+      modal.style.maxHeight = "80vh";
+      modal.style.overflowY = "auto";
+      modal.style.backgroundColor = "white";
+      modal.style.padding = "20px";
+      modal.style.boxShadow = "0 0 10px rgba(0,0,0,0.3)";
+      modal.style.zIndex = "10000";
+
+      const pre = document.createElement("pre");
+      pre.textContent = JSON.stringify(data, null, 2);
+      pre.style.whiteSpace = "pre-wrap";
+      pre.style.wordWrap = "break-word";
+
+      const copyBtn = document.createElement("button");
+      copyBtn.textContent = "复制JSON";
+      copyBtn.style.marginTop = "10px";
+      copyBtn.style.padding = "8px 16px";
+      copyBtn.style.backgroundColor = "#52c41a";
+      copyBtn.style.color = "white";
+      copyBtn.style.border = "none";
+      copyBtn.style.borderRadius = "4px";
+      copyBtn.style.cursor = "pointer";
+
+      copyBtn.addEventListener("click", () => {
+        navigator.clipboard
+          .writeText(JSON.stringify(data, null, 2))
+          .then(() => this.showAutoCloseMessage("已复制到剪贴板", "success"))
+          .catch((err) => alert("复制失败: " + err));
+      });
+
+      const closeBtn = document.createElement("button");
+      closeBtn.textContent = "关闭";
+      closeBtn.style.marginLeft = "10px";
+      closeBtn.style.marginTop = "10px";
+      closeBtn.style.padding = "8px 16px";
+      closeBtn.style.backgroundColor = "#f5222d";
+      closeBtn.style.color = "white";
+      closeBtn.style.border = "none";
+      closeBtn.style.borderRadius = "4px";
+      closeBtn.style.cursor = "pointer";
+
+      closeBtn.addEventListener("click", () => {
+        document.body.removeChild(modal);
+      });
+
+      modal.innerHTML = '<h2 style="margin-top: 0;">企业信息解析结果</h2>';
+      modal.appendChild(pre);
+      modal.appendChild(document.createElement("br"));
+      modal.appendChild(copyBtn);
+      modal.appendChild(closeBtn);
+
+      document.body.appendChild(modal);
+      // // Automatically close the modal after 2 seconds
+      // setTimeout(() => {
+      //   if (document.body.contains(modal)) {
+      //     document.body.removeChild(modal);
+      //   }
+      // }, 2000);
+    }
+  }
+
+  // 爱企查解析类
+  class AiQiChaParser {
+    getPhoneNumber() {
+      // 查找电话信息容器
+      const phoneContainer = document.querySelector(
+        "div.business-info div.telphone-lists-wrap"
+      );
+      if (!phoneContainer) return "未找到电话信息";
+
+      // 查找包含电话号码的元素
+      const phoneElement = phoneContainer.querySelector("span.copy-box span");
+      if (!phoneElement) return "未找到电话号码";
+
+      return ToolUtils.cleanText(phoneElement.textContent);
+    }
+    constructor() {
+      this.table = null;
+    }
+
+    // 初始化表格
+    initTable() {
+      this.table = document.querySelector("table.zx-detail-basic-table");
+      if (!this.table) {
+        alert("未找到企业信息表格");
+        return false;
+      }
+      return true;
+    }
+
+    // 获取优化后的值
+    getOptimizedValue(title) {
+      const cells = Array.from(this.table.querySelectorAll("td"));
+      const titleCell = cells.find(
+        (cell) => ToolUtils.cleanText(cell.textContent) === title
+      );
+
+      if (!titleCell) return null;
+
+      let valueCell = titleCell.nextElementSibling;
+      if (!valueCell) return null;
+
+      const valueElement =
+        valueCell.querySelector(".enter-bg-ele") ||
+        valueCell.querySelector(".addr-enter-bg-ele") ||
+        valueCell;
+
+      return ToolUtils.cleanText(valueElement.textContent);
+    }
+
+    // 获取法定代表人
+    getLegalRepresentative() {
+      const legalElements = Array.from(
+        this.table.querySelectorAll("td")
+      ).filter((td) => ToolUtils.cleanText(td.textContent) === "法定代表人");
+
+      if (legalElements.length > 0) {
+        const valueCell = legalElements[0].nextElementSibling;
+        if (valueCell && valueCell.classList.contains("image-text-content")) {
+          const nameElement = valueCell.querySelector(".person-name-warp a");
+          if (nameElement) {
+            return ToolUtils.cleanText(nameElement.textContent);
+          }
+          return ToolUtils.cleanText(valueCell.textContent);
+        }
+      }
+
+      const titleElements = Array.from(
+        this.table.querySelectorAll("td")
+      ).filter((td) => td.textContent.includes("法定代表人"));
+
+      if (titleElements.length > 0 && titleElements[0].nextElementSibling) {
+        const valueCell = titleElements[0].nextElementSibling;
+        return ToolUtils.cleanText(valueCell.textContent);
+      }
+
+      return null;
+    }
+
+    // 获取统一社会信用代码
+    getUnifiedSocialCreditCode() {
+      const codeElements = Array.from(this.table.querySelectorAll("td")).filter(
+        (td) => {
+          return (
+            td.textContent.includes("统一社会信用代码") &&
+            td.nextElementSibling &&
+            td.nextElementSibling.classList.contains("table-regCapital-lable")
+          );
+        }
+      );
+
+      if (codeElements.length > 0) {
+        const valueCell = codeElements[0].nextElementSibling;
+        const rawValue =
+          valueCell.querySelector(".enter-bg-ele")?.textContent ||
+          valueCell.textContent;
+        return ToolUtils.cleanText(rawValue);
+      }
+
+      const taxElements = Array.from(this.table.querySelectorAll("td")).filter(
+        (td) => td.textContent.includes("纳税人识别号")
+      );
+
+      if (taxElements.length > 0 && taxElements[0].nextElementSibling) {
+        const valueCell = taxElements[0].nextElementSibling;
+        const rawValue =
+          valueCell.querySelector(".enter-bg-ele")?.textContent ||
+          valueCell.textContent;
+        return ToolUtils.cleanText(rawValue);
+      }
+
+      return null;
+    }
+
+    // 获取工商注册号
+    getBusinessRegistrationNo() {
+      const regElements = Array.from(this.table.querySelectorAll("td")).filter(
+        (td) => ToolUtils.cleanText(td.textContent).includes("工商注册号")
+      );
+
+      if (regElements.length > 0 && regElements[0].nextElementSibling) {
+        const valueCell = regElements[0].nextElementSibling;
+        const rawValue =
+          valueCell.querySelector(".enter-bg-ele")?.textContent ||
+          valueCell.textContent;
+        return ToolUtils.cleanText(rawValue);
+      }
+
+      return null;
+    }
+
+    // 获取组织机构代码
+    getOrganizationCode() {
+      const orgCodeElements = Array.from(
+        this.table.querySelectorAll(".poptip-wrap-org-no")
+      ).filter((el) => el.textContent.includes("组织机构代码"));
+
+      if (orgCodeElements.length > 0) {
+        const valueCell = orgCodeElements[0].closest("td").nextElementSibling;
+        if (valueCell && valueCell.classList.contains("enter-bg")) {
+          const rawValue =
+            valueCell.querySelector(".enter-bg-ele")?.textContent ||
+            valueCell.textContent;
+          return ToolUtils.cleanText(rawValue);
+        }
+      }
+
+      const titleElements = Array.from(
+        this.table.querySelectorAll("td")
+      ).filter((td) => ToolUtils.cleanText(td.textContent) === "组织机构代码");
+
+      if (titleElements.length > 0 && titleElements[0].nextElementSibling) {
+        const valueCell = titleElements[0].nextElementSibling;
+        const rawValue =
+          valueCell.querySelector(".enter-bg-ele")?.textContent ||
+          valueCell.textContent;
+        return ToolUtils.cleanText(rawValue);
+      }
+
+      return null;
+    }
+
+    // 获取纳税人识别号
+    getTaxpayerId() {
+      const taxElements = Array.from(this.table.querySelectorAll("td")).filter(
+        (td) => ToolUtils.cleanText(td.textContent).includes("纳税人识别号")
+      );
+
+      if (taxElements.length > 0 && taxElements[0].nextElementSibling) {
+        const valueCell = taxElements[0].nextElementSibling;
+        const rawValue =
+          valueCell.querySelector(".enter-bg-ele")?.textContent ||
+          valueCell.textContent;
+        return ToolUtils.cleanText(rawValue);
+      }
+
+      const creditElements = Array.from(
+        this.table.querySelectorAll("td")
+      ).filter((td) =>
+        ToolUtils.cleanText(td.textContent).includes("统一社会信用代码")
+      );
+
+      if (creditElements.length > 0 && creditElements[0].nextElementSibling) {
+        const valueCell = creditElements[0].nextElementSibling;
+        const rawValue =
+          valueCell.querySelector(".enter-bg-ele")?.textContent ||
+          valueCell.textContent;
+        return ToolUtils.cleanText(rawValue);
+      }
+
+      return null;
+    }
+
+    // 获取参保人数
+    getInsuranceNumber() {
+      const insuranceElements = Array.from(
+        this.table.querySelectorAll("td")
+      ).filter((td) => {
+        return (
+          td.textContent.includes("参保人数") &&
+          td.querySelector(".insurance-info")
+        );
+      });
+
+      if (insuranceElements.length > 0) {
+        const valueCell = insuranceElements[0].nextElementSibling;
+        if (!valueCell) return null;
+
+        const rawText = valueCell.textContent.replace(/[\r\n\t]/g, "").trim();
+        const match = rawText.match(/(\d+人)/);
+        return match ? match[0] : null;
+      }
+
+      const registrationElements = Array.from(
+        this.table.querySelectorAll("td")
+      ).filter((td) => td.textContent.includes("登记机关"));
+
+      if (
+        registrationElements.length > 0 &&
+        registrationElements[0].previousElementSibling
+      ) {
+        const valueCell = registrationElements[0].previousElementSibling;
+        const rawText = valueCell.textContent.replace(/[\r\n\t]/g, "").trim();
+        const match = rawText.match(/(\d+人)/);
+        return match ? match[0] : null;
+      }
+
+      return null;
+    }
+
+    // 获取核准日期
+    getApprovalDate() {
+      const approvalElements = Array.from(
+        this.table.querySelectorAll(".poptip-wrap-annual-date")
+      ).filter((el) => el.textContent.includes("核准日期"));
+
+      if (approvalElements.length > 0) {
+        const valueCell = approvalElements[0].closest("td").nextElementSibling;
+        if (valueCell) {
+          const rawValue = valueCell.textContent
+            .replace(/[\r\n\t]/g, "")
+            .trim();
+          if (/^\d{4}-\d{2}-\d{2}$/.test(rawValue)) {
+            return rawValue;
+          }
+        }
+      }
+
+      const titleElements = Array.from(
+        this.table.querySelectorAll("td")
+      ).filter((td) => ToolUtils.cleanText(td.textContent) === "核准日期");
+
+      if (titleElements.length > 0 && titleElements[0].nextElementSibling) {
+        const valueCell = titleElements[0].nextElementSibling;
+        const rawValue = ToolUtils.cleanText(valueCell.textContent);
+        if (/^\d{4}-\d{2}-\d{2}$/.test(rawValue)) {
+          return rawValue;
+        }
+      }
+
+      return null;
+    }
+
+    // 解析公司信息主方法
+    parseCompanyInfo() {
+      if (!this.initTable()) return;
+
+      const companyData = {
+        企业名称: this.getOptimizedValue("企业名称"),
+        统一社会信用代码: this.getUnifiedSocialCreditCode(),
+        法定代表人: this.getLegalRepresentative(),
+        电话: this.getPhoneNumber(),
+        经营状态: this.getOptimizedValue("经营状态"),
+        成立日期: this.getOptimizedValue("成立日期"),
+        行政区划: this.getOptimizedValue("行政区划"),
+        注册资本: this.getOptimizedValue("注册资本"),
+        实缴资本: this.getOptimizedValue("实缴资本"),
+        企业类型: this.getOptimizedValue("企业类型"),
+        所属行业: this.getOptimizedValue("所属行业"),
+        工商注册号: this.getBusinessRegistrationNo(),
+        组织机构代码: this.getOrganizationCode(),
+        纳税人识别号: this.getTaxpayerId(),
+        纳税人资质: this.getOptimizedValue("纳税人资质"),
+        营业期限: this.getOptimizedValue("营业期限"),
+        核准日期: this.getApprovalDate(),
+        参保人数: this.getInsuranceNumber(),
+        登记机关: this.getOptimizedValue("登记机关"),
+        曾用名: this.getOptimizedValue("曾用名"),
+        注册地址: this.getOptimizedValue("注册地址"),
+        经营范围: this.getOptimizedValue("经营范围"),
+      };
+
+      ToolUtils.showResult(companyData);
+    }
+  }
+
+  // QCC解析类 企查查
+  class QCCParser {
+    constructor() {
+      this.table = null;
+    }
+
+    // 初始化表格
+    initTable() {
+      const cominfoNormal = document.querySelector("div.cominfo-normal");
+      if (!cominfoNormal) {
+        alert("未找到企业信息容器");
+        return false;
+      }
+
+      this.table = cominfoNormal.querySelector("table.ntable");
+      if (!this.table) {
+        alert("未找到企业信息表格");
+        return false;
+      }
+      return true;
+    }
+
+    // 获取优化后的值
+    getOptimizedValue(title) {
+      const headerCells = Array.from(this.table.querySelectorAll("td.tb"));
+      let value = null;
+
+      headerCells.forEach((header) => {
+        if (ToolUtils.cleanText(header.textContent).includes(title)) {
+          const valueCell = header.nextElementSibling;
+          if (valueCell) {
+            // 尝试从copy-value类中获取值
+            const copyValue = valueCell.querySelector(".copy-value");
+            if (copyValue) {
+              value = ToolUtils.cleanText(copyValue.textContent);
+            } else {
+              value = ToolUtils.cleanText(valueCell.textContent);
+            }
+          }
+        }
+      });
+
+      return value;
+    }
+
+    // 获取法定代表人
+    getLegalRepresentative() {
+      // Try the existing method first
+      const basicValue =
+        this.getOptimizedValue("法定代表人") || this.getOptimizedValue("法人");
+      if (basicValue && basicValue.trim()) {
+        // Remove any "关联企业 X" text
+        return basicValue.replace(/\s*关联企业\s*\d+$/, "").trim();
+      }
+
+      // If basic extraction fails, try more specific approach
+      const headerCell = Array.from(this.table.querySelectorAll("td.tb")).find(
+        (cell) => ToolUtils.cleanText(cell.textContent).includes("法定代表人")
+      );
+
+      if (!headerCell) return null;
+
+      const valueCell = headerCell.nextElementSibling;
+      if (!valueCell) return null;
+
+      // Try to find the name within the complex structure
+      // Look for anchor tags with target="_blank" which typically contain the legal representative's name
+      const nameLinks = valueCell.querySelectorAll('a[target="_blank"]');
+      for (const link of nameLinks) {
+        const name = ToolUtils.cleanText(link.textContent);
+        // Make sure it's not empty and doesn't contain obvious non-name text
+        if (name && !name.includes("关联企业") && !name.includes("复制")) {
+          return name;
+        }
+      }
+
+      // Alternative approach - look for the first anchor tag in the cell
+      const firstLink = valueCell.querySelector("a");
+      if (firstLink) {
+        const name = ToolUtils.cleanText(firstLink.textContent);
+        // Remove any trailing "关联企业 X" text
+        return name.replace(/\s*关联企业\s*\d+$/, "").trim();
+      }
+
+      // Fallback to general value extraction
+      const copyValue = valueCell.querySelector(".copy-value");
+      if (copyValue) {
+        const name = ToolUtils.cleanText(copyValue.textContent);
+        // Remove any trailing "关联企业 X" text
+        return name.replace(/\s*关联企业\s*\d+$/, "").trim();
+      }
+
+      const rawText = ToolUtils.cleanText(valueCell.textContent);
+      // Remove any trailing "关联企业 X" text
+      return rawText.replace(/\s*关联企业\s*\d+$/, "").trim();
+    }
+
+    // 获取统一社会信用代码
+    getUnifiedSocialCreditCode() {
+      return (
+        this.getOptimizedValue("统一社会信用代码") ||
+        this.getOptimizedValue("信用代码")
+      );
+    }
+
+    // 获取工商注册号
+    getBusinessRegistrationNo() {
+      return (
+        this.getOptimizedValue("工商注册号") || this.getOptimizedValue("注册号")
+      );
+    }
+
+    // 获取组织机构代码
+    getOrganizationCode() {
+      return this.getOptimizedValue("组织机构代码");
+    }
+
+    // 获取纳税人识别号
+    getTaxpayerId() {
+      return (
+        this.getOptimizedValue("纳税人识别号") ||
+        this.getUnifiedSocialCreditCode()
+      );
+    }
+
+    // 获取参保人数
+    getInsuranceNumber() {
+      // 查找参保人数表头
+      const headerCell = Array.from(this.table.querySelectorAll("td.tb")).find(
+        (cell) => ToolUtils.cleanText(cell.textContent).includes("参保人数")
+      );
+
+      if (!headerCell) return null;
+
+      const valueCell = headerCell.nextElementSibling;
+      if (!valueCell) return null;
+
+      // 提取参保人数数字
+      const numberSpan = valueCell.querySelector("span");
+      const number = numberSpan
+        ? ToolUtils.cleanText(numberSpan.textContent)
+        : null;
+
+      // 提取年报年份
+      const reportLink = valueCell.querySelector("a.m-l-r-10");
+      const reportYear = reportLink
+        ? ToolUtils.cleanText(reportLink.textContent)
+        : "";
+
+      // 组合结果
+      return number ? `${number}人 ${reportYear}` : null;
+    }
+
+    // 获取联系电话
+    getPhoneNumber() {
+      // 查找联系信息容器
+      const contactInfo = document.querySelector("div.contact-info");
+      if (!contactInfo) return null;
+
+      // 查找右侧信息区域
+      const rightPart = contactInfo.querySelector("div.main-part-item.right");
+      if (!rightPart) return null;
+
+      // 查找包含电话的行
+      const rows = Array.from(rightPart.querySelectorAll("div.rline"));
+      const phoneRow = rows.find((row) =>
+        ToolUtils.cleanText(row.textContent).includes("电话：")
+      );
+
+      if (!phoneRow) return null;
+
+      // 提取电话号码
+      const spans = Array.from(
+        phoneRow.querySelectorAll("span.need-copy-field")
+      );
+      const phoneSpan = spans.find(
+        (span) => !ToolUtils.cleanText(span.textContent).includes("电话：")
+      );
+
+      return phoneSpan ? ToolUtils.cleanText(phoneSpan.textContent) : null;
+    }
+
+    // 获取核准日期
+    getApprovalDate() {
+      return (
+        this.getOptimizedValue("核准日期") || this.getOptimizedValue("成立日期")
+      );
+    }
+
+    // 解析公司信息主方法
+    parseCompanyInfo() {
+      if (!this.initTable()) return;
+
+      const companyData = {
+        企业名称:
+          this.getOptimizedValue("企业名称") ||
+          this.getOptimizedValue("公司名称"),
+        统一社会信用代码: this.getUnifiedSocialCreditCode(),
+        法定代表人: this.getLegalRepresentative(),
+        经营状态: this.getOptimizedValue("登记状态"),
+        成立日期: this.getOptimizedValue("成立日期"),
+        行政区划: this.getOptimizedValue("行政区划"),
+        注册资本: this.getOptimizedValue("注册资本"),
+        实缴资本: this.getOptimizedValue("实缴资本"),
+        企业类型: this.getOptimizedValue("企业类型"),
+        所属行业: this.getOptimizedValue("国标行业"),
+        工商注册号: this.getBusinessRegistrationNo(),
+        组织机构代码: this.getOrganizationCode(),
+        纳税人识别号: this.getTaxpayerId(),
+        纳税人资质: this.getOptimizedValue("纳税人资质"),
+        营业期限: this.getOptimizedValue("营业期限"),
+        核准日期: this.getApprovalDate(),
+        参保人数: this.getInsuranceNumber(),
+        电话: this.getPhoneNumber(),
+        登记机关: this.getOptimizedValue("登记机关"),
+        曾用名: this.getOptimizedValue("曾用名"),
+        注册地址: this.getOptimizedValue("注册地址"),
+        经营范围: this.getOptimizedValue("经营范围"),
+      };
+
+      ToolUtils.showResult(companyData);
+    }
+  }
+
+  // 创建按钮容器
+  function createButtonContainer() {
+    const container = document.createElement("div");
+    container.id = "tool-container";
+    Object.assign(container.style, {
+      position: "fixed",
+      right: "20px",
+      bottom: "20px",
+      zIndex: "9999",
+      display: "flex",
+      flexDirection: "column",
+      gap: "10px",
+      width: "40px",
+      height: "40px",
+      backgroundColor: "#4CAF50",
+      borderRadius: "50%",
+      transition: "all 0.3s ease",
+      overflow: "hidden",
+      cursor: "move",
+    });
+
+    // +号指示器
+    const plusSign = document.createElement("div");
+    plusSign.textContent = "+";
+    Object.assign(plusSign.style, {
+      color: "white",
+      fontSize: "24px",
+      textAlign: "center",
+      lineHeight: "40px",
+      width: "100%",
+    });
+    container.appendChild(plusSign);
+
+    // 悬停展开效果
+    container.addEventListener("mouseenter", () => {
+      container.style.width = "150px";
+      container.style.height = "auto";
+      container.style.borderRadius = "8px";
+    });
+
+    container.addEventListener("mouseleave", () => {
+      container.style.width = "40px";
+      container.style.height = "40px";
+      container.style.borderRadius = "50%";
+    });
+
+    // 添加拖动功能
+    let isDragging = false;
+    let offsetX, offsetY;
+
+    // 鼠标按下开始拖动
+    container.addEventListener("mousedown", (e) => {
+      // 只有点击+号区域才允许拖动
+      if (e.target === plusSign || e.target === container) {
+        isDragging = true;
+        const rect = container.getBoundingClientRect();
+        offsetX = e.clientX - rect.left;
+        offsetY = e.clientY - rect.top;
+        container.style.cursor = "grabbing";
+        // 阻止事件冒泡和默认行为
+        e.stopPropagation();
+        e.preventDefault();
+      }
+    });
+
+    // 鼠标移动时更新位置
+    document.addEventListener("mousemove", (e) => {
+      if (!isDragging) return;
+      container.style.left = e.clientX - offsetX + "px";
+      container.style.top = e.clientY - offsetY + "px";
+      container.style.right = "auto";
+      container.style.bottom = "auto";
+    });
+
+    // 鼠标释放结束拖动
+    document.addEventListener("mouseup", () => {
+      if (isDragging) {
+        isDragging = false;
+        container.style.cursor = "move";
+      }
+    });
+    // 创建功能按钮
+    function createButton(text, onClick) {
+      const button = document.createElement("button");
+      button.textContent = text;
+      Object.assign(button.style, {
+        padding: "8px 12px",
+        border: "none",
+        borderRadius: "4px",
+        backgroundColor: "white",
+        color: "#333",
+        cursor: "pointer",
+        width: "100%",
+        transition: "backgroundColor 0.2s",
+      });
+      button.addEventListener(
+        "mouseenter",
+        () => (button.style.backgroundColor = "#f0f0f0")
+      );
+      button.addEventListener(
+        "mouseleave",
+        () => (button.style.backgroundColor = "white")
+      );
+      button.addEventListener("click", onClick);
+      return button;
+    }
+
+    // 复制源码按钮
+    const copySourceButton = createButton("复制源码", () => {
+      const html = document.documentElement.outerHTML;
+
+      copyToClipboard(html, "HTML源码已复制到剪贴板");
+      /*
+      navigator.clipboard
+        .writeText(html)
+        .then(() => {
+          alert("源码已复制到剪贴板");
+        })
+        .catch((err) => {
+          console.error("复制失败:", err);
+        });
+        */
+    });
+
+    // 解析公司信息按钮
+    const parseInfoButton = createButton("解析公司信息", () => {
+      // 根据当前URL选择对应的解析器
+      let parser;
+      if (window.location.host.includes("aiqicha.baidu.com")) {
+        parser = new AiQiChaParser();
+      } else if (window.location.host.includes("qcc.com")) {
+        parser = new QCCParser();
+      } else {
+        alert("不支持的网站");
+        return;
+      }
+      parser.parseCompanyInfo();
+    });
+
+    // 添加按钮到容器
+    container.appendChild(copySourceButton);
+    container.appendChild(parseInfoButton);
+
+    document.body.appendChild(container);
+  }
+
+  // 页面加载完成后创建按钮
+  window.addEventListener("load", createButtonContainer);
+})();

parse_img/paddle_ocr_test.py

@@ -0,0 +1,24 @@
+from paddleocr import PaddleOCR
+
+ocr = PaddleOCR(
+    use_doc_orientation_classify=False, # 通过 use_doc_orientation_classify 参数指定不使用文档方向分类模型
+    use_doc_unwarping=False, # 通过 use_doc_unwarping 参数指定不使用文本图像矫正模型
+    use_textline_orientation=False, # 通过 use_textline_orientation 参数指定不使用文本行方向分类模型
+    lang="ch",
+    #use_angle_cls=True,
+)
+# ocr = PaddleOCR(lang="en") # 通过 lang 参数来使用英文模型
+# ocr = PaddleOCR(ocr_version="PP-OCRv4") # 通过 ocr_version 参数来使用 PP-OCR 其他版本
+# ocr = PaddleOCR(device="gpu") # 通过 device 参数使得在模型推理时使用 GPU
+# ocr = PaddleOCR(
+#     text_detection_model_name="PP-OCRv5_server_det",
+#     text_recognition_model_name="PP-OCRv5_server_rec",
+#     use_doc_orientation_classify=False,
+#     use_doc_unwarping=False,
+#     use_textline_orientation=False,
+# ) # 更换 PP-OCRv5_server 模型
+result = ocr.predict("D:/gitstudy/pythonwork/manchuspider/data/满洲语字典/满汉大辞典/images/1.png")
+for res in result:
+    res.print()
+    res.save_to_img("output")
+    res.save_to_json("output")

tool/aiqicha_detail.py

@@ -28,11 +28,11 @@ class AiqichaDetailCrawler:
                     print("已加载Cookie")
 
                 # 使用登录管理器检测登录状态
-                logined = self.login_manager.check_and_login()
+                # logined = self.login_manager.check_and_login()
-                if logined:
+                # if logined:
-                    print("登录成功")
+                #     print("登录成功")
-                else:
+                # else:
-                    print("登录失败")
+                #     print("登录失败")
                 self.browser_started = True
             except Exception as e:
                 print(f"启动浏览器失败: {e}")
@@ -85,15 +85,18 @@ class AiqichaDetailCrawler:
 
                     # 额外等待一段时间确保页面完全加载
                     import time
-                    time.sleep(2)
+                    time.sleep(10)
                     print("额外等待完成，页面应该已完全加载")
                 except Exception as e:
                     print(f"等待页面元素时出错: {e}")
                     print("继续尝试解析页面内容...")
 
+
+                self.browser.save_cookies()
+
                 # 提取基本信息
                 print("开始解析页面信息...")
-                parser = AiqichaDetailParser(self.browser.page)
+                parser = AiqichaDetailParser(self.browser)
                 company_info = parser.parse_company_info()
 
                 print(f"成功爬取企业信息: {company_info['name']}")
@@ -101,7 +104,6 @@ class AiqichaDetailCrawler:
             else:
                 print("访问页面失败")
                 return {}
-
         except Exception as e:
             print(f"爬取过程中出现错误: {e}")
             return {}

tool/aiqicha_detail_parser.py

@@ -6,14 +6,15 @@ import re
 class AiqichaDetailParser:
     """爱企查企业详情页解析器"""
 
-    def __init__(self, page):
+    def __init__(self, browser):
         """
         初始化解析器
 
         Args:
-            page: 浏览器页面对象
+            browser: 浏览器页面对象
         """
-        self.page = page
+        self.browser = browser
+        # self.self.browser
 
     def parse_company_info(self):
         """
@@ -48,62 +49,98 @@ class AiqichaDetailParser:
         }
 
         # 批量提取信息
-        for field, selectors in fields.items():
+        # 爱企查页面使用表格结构，需要特殊处理
-            company_info[field] = self._extract_field_value(selectors)
+        field_mapping = {
+            'legal_representative': '法定代表人',
+            'business_scope': '经营范围',
+            'credit_code': '统一社会信用代码',
+            'registered_capital': '注册资本',
+            'establishment_date': '成立日期',
+            'business_status': '经营状态',
+            'company_type': '企业类型',
+            'registration_authority': '登记机关',
+            'operating_period': '营业期限',
+            'address': '注册地址'
+        }
+        for field_name, field_text in field_mapping.items():
+            company_info[field_name] = self._extract_field_value(field_text)
 
         # 特殊处理电话号码
         company_info['phone'] = self._extract_phone_number()
-
+        company_info['name'] = self._extract_company_name()
         return company_info
 
-    def _extract_field_value(self, selectors):
+    def _extract_company_name(self):
         """
-        根据多个选择器提取字段值
+        提取企业名称
-
-        Args:
-            selectors (list): CSS选择器列表
 
         Returns:
-            str: 提取到的值或"未知"
+            str: 企业名称或"未知"
         """
+        try:
+            # 尝试多种方式获取企业名称
+            selectors = [
+                'title',  # 页面标题
+                '.company-name',  # 常见的公司名称类
+                'h1.enterprise-name',  # 企业名称标题
+                '.company-title'  # 其他可能的类名
+            ]
+
             for selector in selectors:
                 try:
-                # 添加日志：显示当前尝试的选择器
+                    element = self.browser.page.query_selector(selector)
-                print(f"尝试选择器: {selector}")
-
-                # 尝试查找带有 enter-bg-ele 类的元素
-                element = self.page.query_selector(f"{selector} .enter-bg-ele")
-                if element:
-                    print(f"找到 enter-bg-ele 元素，选择器: {selector} .enter-bg-ele")
-                else:
-                    # 尝试查找带有 addr-enter-bg-ele 类的元素
-                    element = self.page.query_selector(f"{selector} .addr-enter-bg-ele")
-                    if element:
-                        print(f"找到 addr-enter-bg-ele 元素，选择器: {selector} .addr-enter-bg-ele")
-                    else:
-                        # 直接查找元素
-                        element = self.page.query_selector(selector)
-                        if element:
-                            print(f"找到直接元素，选择器: {selector}")
-
                     if element:
                         text = element.inner_text().strip()
-                    print(f"提取到原始文本: '{text}'")
+                        # 如果是标题，可能需要去除后缀
-                    # 清理文本内容
+                        if selector == 'title' and '-' in text:
+                            text = text.split('-')[0].strip()
                         text = self._clean_text(text)
-                    print(f"清理后文本: '{text}'")
+                        if text and text != "未知":
-                    if text:
-                        print(f"返回文本: '{text}'")
                             return text
-                    else:
+                except:
-                        print("文本为空或仅包含空白字符")
-                else:
-                    print(f"未找到元素，选择器: {selector}")
-            except Exception as e:
-                print(f"提取字段时出错，选择器: {selector}, 错误: {e}")
                     continue
+            return "未知"
+        except Exception as e:
+            print(f"提取企业名称时出错: {e}")
+            return "未知"
+
+    def _extract_field_value(self, field_text):
+        """
+        根据多个选择器提取字段值，适配爱企查实际页面结构
+        """
+
+
+        # for field_name, field_text in field_mapping.items():
+        try:
+            # 查找包含特定文本的td元素
+            title_element = self.browser.page.query_selector(f'td:has-text("{field_text}")')
+            if title_element:
+                # 获取相邻的td元素（包含实际值）
+                value_element = title_element.evaluate_handle('el => el.nextElementSibling')
+                if value_element:
+                    text = value_element.inner_text().strip()
+                    # 清理文本，移除前缀
+                    if "：" in text:
+                        text = text.split("：", 1)[1].strip()
+
+                    # 特殊处理法定代表人字段，去除"TA有X家企业"等额外信息
+                    if field_text == "法定代表人":
+                        # 移除类似"TA有12家企业"的额外信息
+                        text = re.sub(r'\s*TA有\d+家企业.*$', '', text)
+
+                    # 特殊处理地址字段，去除"查看地图"等额外信息
+                    if field_text == "注册地址":
+                        # 移除"查看地图"等额外信息
+                        text = re.sub(r'\s*查看地图.*$', '', text)
+                        text = re.sub(r'\s*附近企业.*$', '', text)
+
+                    text = self._clean_text(text)
+                    if text:
+                        return text
+        except Exception as e:
+            print(f"提取字段 {field_text} 时出错: {e}")
+            # continue
 
-        print("所有选择器都未找到有效元素，返回默认值")
         return "未知"
 
     def _clean_text(self, text):
@@ -131,7 +168,7 @@ class AiqichaDetailParser:
         """
         try:
             # 查找电话信息容器
-            phone_container = self.page.query_selector("div.business-info div.telphone-lists-wrap")
+            phone_container = self.browser.page.query_selector("div.business-info div.telphone-lists-wrap")
             if phone_container:
                 # 查找包含电话号码的元素
                 phone_element = phone_container.query_selector("span.copy-box span")