网站建设淄博佳铉网络,宝安网站建设公司968,百度代理合作平台,Wordpress页面无侧边栏文章目录 Python 爬虫入门requests 库beautifulsoup4库函数findall()#xff0c;find()函数get() 爬虫实例 1#xff1a;抓小说爬虫实例 2#xff1a;抓豆瓣 top 250 的电影信息后记 Python 爬虫入门
Python 的爬虫功能使得程序员可以快速抓取并分析网页中的信息#xff0… 文章目录 Python 爬虫入门requests 库beautifulsoup4库函数findall()find()函数get() 爬虫实例 1抓小说爬虫实例 2抓豆瓣 top 250 的电影信息后记 Python 爬虫入门
Python 的爬虫功能使得程序员可以快速抓取并分析网页中的信息它实质上是模拟浏览器访问网页。本章主要常用的两个爬虫相关的库requestsbeautifulsoup4。若要模拟鼠标点击等要用到selenium 库限于篇幅限制本章不再介绍具体可以查阅相关资料。
requests 库
每个网页都有源代码可以通过鼠标单击右键查看网页源代码。网页中的很多信息都在源代码里面requests 是一个访问网页源代码的库。一般通过 get 函数访问网页另外一个常用来访问网页的函数是 post与 get 函数的区别在于 post 能够传递表格或文件到网页所在服务器上。
get(url, [timeout], [headers], [proxies], **kwargs)url网页链接timeout可选参数请求网页的最大时长单位为秒headers可选参数模拟浏览器设置proxies可选参数代理服务器设置**kwargs其他参数 get 或 post 函数返回一个 Resoponse 对象该对象包括以下常用的属性或函数。
属性或函数描述status_code网页请求的返回状态200 表示连接成功404 表示连接失败text响应网页的字符串内容encoding响应网页的编码方式可以更改content相应网页的字节形式内容例如图片或 pdf 文件等raise_for_status()如果网页访问不成功抛出异常一般结合 try-except 语句使用json()该函数可以解析网页内容中 JSON 格式的数据
import requestsr requests.get(http://www.baidu.com)
r.status_code200r.text # 结果省略r.encoding # 若为 ISO-8859-1 则中文为乱码ISO-8859-1r.encoding utf-8 # 无论网页原内容是什么编码都改成 utf-8 编码beautifulsoup4库
使用requests获取的网页源代码一般非常复杂不仅包括常规内容还包括很多定义页面格式的代码。
:class: tip
- 网页中的内容一般在网页源代码的各个标签里例如有下面的 html 代码
html_doc
htmlbodyh1Hello, BeautifulSoup!/h1ullia class c1 hrefhttp://example1.comLink 1/a/lilia class c2 hrefhttp://example2.orgLink 2/a/li/uldivptext1/p ptext2/p/div/body
/htmlbeautifulsoup4库提供了大量的属性或函数能够方便地将网页html不同标签tag中的内容提取出来。常用的属性有下面几个
属性描述head网页源代码中的 head 标签内容title网页源代码中的 title 标签内容body网页源代码中的 body 标签内容p网页源代码中的第一个 p 标签内容a网页源代码中的第一个 a 标签内容div网页源代码中的第一个 div 标签内容script网页源代码中的第一个 script 标签内容
from bs4 import BeautifulSoupr requests.get(http://www.baidu.com)
r.encoding utf-8
soup BeautifulSoup(r.text) # 将网页内容传递给 BeautifulSoup 提取soup.titletitle百度一下你就知道/titlesoup.p # html 语言中 p 标签表示一个文本段落p idlh a hrefhttp://home.baidu.com关于百度/a a hrefhttp://ir.baidu.comAbout Baidu/a /p上面的这些标签对象还有自己的属性可以访问更具体的内容。
标签属性描述name标签名字例如 apdiv等attrs标签的具体属性contents第一个该标签下的所有内容为列表形式string第一个该标签或子标签下的文本内容若标签中没有内容或者超过一层的子标签则返回 Nonetext第一个该标签下包括子标签的所有文本内容若没有内容则返回空文本
soup.p.namepsoup.p.attrs{id: lh}soup.p.contents[ ,a hrefhttp://home.baidu.com关于百度/a, ,a hrefhttp://ir.baidu.comAbout Baidu/a, ]soup.p.stringsoup.p.text关于百度 About Baidu 将挖网页内容传递给 BeautifulSoup 提取时还可以指定解析器例如 ‘html.parser’, ‘lxml’, ‘xml’, ‘html5lib’。这些解析器各有利弊其中 ‘lxml’ 解析速度最快。将上面的 html_doc 的网页文件传递给 BeautifulSoup
soup2 BeautifulSoup(html_doc, lxml) # 或者 soup2 BeautifulSoup(html_doc, features lxml)soup2.ul.text\nLink 1\nLink 2\ntype(soup2.ul.string) # 文本内容嵌套超过一层返回 NoneNoneTypesoup2.li.contents # html 语言中 a 标签是超链接ul 与 li 标签表示一个无序列表[a classc1 hrefhttp://example1.comLink 1/a]soup2.ul.li.text # 标签通过逗点套子标签Link 1函数findall()find()
当需要列出同一类标签对应的所有内容时需要用到 BeautifulSoup 中的 findall() 函数。
find_all([name], [attrs], [string], [limit], **kwargs)name标签名字attrs按照标签的具体属性检索, 采用 class_ 形式或 JSON 格式等string按照关键字检索采用 string 形式返回与关键字完全匹配的字符串limit返回结果的个数默认返回所有结果**kwargs其他参数 还有一个函数find()与findall()的区别在于find()只寻找第一个对应标签的内容。还有一个函数find_next()可以查找标签的下一个标签。类似的检索函数还有select本书不再赘述。
soup2.find_all(a) # 检索出网页中所有的 a 标签[a classc1 hrefhttp://example1.comLink 1/a,a classc2 hrefhttp://example2.orgLink 2/a]soup2.find_all(a, class_ c1)[a classc1 hrefhttp://example1.comLink 1/a]soup2.find_all(class_ c1) # 参数中可以没有标签名字[a classc1 hrefhttp://example1.comLink 1/a]soup2.find_all(string Link) # 关键词检索[]函数get()
通过函数get可以访问标签的具体属性例如 class 类型具体超链接等。
soup2.a.get(class)[c1]soup2.a.get(href)http://example1.comimport re # 导入正则表达式库soup2.find_all(string re.compile(Link)) # 通过正则表达式将所有包含 Link 的字符串都检索出来[Link 1, Link 2]正则表达式是计算机科学中用来描述字符串的一种表达式。正则表达式定义一个字符串表达规则只要字符串满足这个规则就算则匹配。可以通过字符串结合符号 .*?()[]{}dw 等定义多种表达规则具体可以进一步查阅相关资料。BeautifulSoup 另外一个常用的获取文本内容的函数为get_text。与直接使用标签的属性 text 相比get_text 更加灵活能够方便地实现文本换行。它的一般用法为
get_text([separator], [stripFalse], **kwargs)separator各标签下文本的分隔符strip是否去掉各标签文本的前后空格**kwargs其他参数 soup2.div.text # html 语言中 div 标签表示网页中的一个区域\ntext1 text2\nsoup2.div.get_text()\ntext1 text2\nsoup2.div.get_text(separator \n)\n\ntext1\n \ntext2\n\nsoup2.div.get_text(separator **)\n**text1** **text2**\nsoup2.div.get_text(strip True)text1text2爬虫实例 1抓小说
下面我们举例如何用爬虫抓取网上的《三国演义》小说并将每回的内容下载到电脑里。
首先找到一个包含《三国演义》小说的网站本例中使用了古诗文网https://so.gushiwen.cn/guwen/book_46653FD803893E4F7F702BCF1F7CCE17.aspx
然后在网页的空白处单击鼠标右键查看网页源代码 网页的源代码大致如下 我们发现每一回的链接在网页中的标签 ul 里面具体在其每个子标签 span 中的子标签 a 里面。
打开其中任一回的链接在网页空白处单击右键查看网页源代码 我们发现每一回的内容在具体属性为 class‘contson’ 的 div 标签里其中第一句为每一回的标题而之后的内容为正文。
根据网页的以上两个特点设计 Python 的爬虫代码如下。
import requests # 联系网络的包a package for requesting from websites
from bs4 import BeautifulSoup # 分析网页数据的包a package for webstie data analysis
import time
import random
import os# 获取单个网页信息
def get_url_content(url):# headers {# user-agent: Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/74.0.3729.108 Safari/537.36# } # 主要是模拟浏览器登录防止反爬一般的网站没有这个也行谷歌浏览器 按 F12 能够找到网站支持的 headersr requests.get(url, timeout30) # 获取网页的内容并返回给r变量timeout 为超时时间# r.raise_for_status() # 检查返回网页的内容的状态码200表示成功# r.encoding r.apparent_encoding # 统一编码方式return r.text # 返回网页中的文本内容数据内容为 r.content# 解析出网页中想要的信息爬虫的关键步骤
def filter_info(chapter_num, url_text):soup BeautifulSoup(url_text, lxml) # 解析网页返回内容lxml 是一个解码方式效率比较快被推荐使用contents soup.find(div, class_contson)# 使用 get_text 可以实现网页里面 p 标签中文本内容的换行而 text 不能chapter_title contents.find(p).get_text() # 第一句话是本回的标题chapter_title 第 str(chapter_num) 回 chapter_title.lstrip()# chapter_content contents.get_text(separator\n) # find 返回的不是列表不用跟 [0]chapter_content contents.textchapter_content chapter_content.lstrip() # 去掉字符串左边的空字符this_chapter [chapter_title, chapter_content]return this_chapter# 从网页中找到每一回的链接
def get_url_links(url_head_content):soup BeautifulSoup(url_head_content, lxml) # 解析网页返回内容lxml 是一个解码方式效率比较快被推荐使用# links soup.find(div, class_bookcont) # 每一回的链接都在类 span 里面links soup.find(ul) # 每一回的链接都在类 ul 里面links links.findAll(span)link_list []for each in links:link_list.append(each.a.get(href)) # 获取每一回的链接存储到列表里return link_list# 将每章内容输出到 txt 文档里
def write_txt(string_array):file_address E:/三国演义/ # txt 存放地址if not os.path.exists(file_address): #用os库判断对应文件夹是否存在os.makedirs(file_address) #如果没有对应文件夹则自动生成 file_name string_array[0]with open(file_address file_name .txt, w, encodingutf-8) as f: # 必须跟解码形式不然有的网页中文内容写不到txt里f.write(string_array[1])# 主函数
def main():url https://so.gushiwen.cn/gushi/tangshi.aspx # 古诗文网三国演义网址url_head_content get_url_content(url) # 获取网页links get_url_links(url_head_content) # 获取每一回的链接地址# enumerate() 函数用于将一个可遍历的数据对象(如列表、元组或字符串)组合为一个索引序列# 同时列出数据下标和数据for index, each in enumerate(links):url_link_content get_url_content(each) # 获取每一回的网页内容chapter_content filter_info(index 1, url_link_content) # 解析每一回的网页内容获取小说文本write_txt(chapter_content) # 输出小说内容到 txttime.sleep(random.random() * 1) # 每抓一个网页休息0~1秒防止被反爬措施封锁 IP# 运行函数
main()其中使用 requests 库时有的网站需要设置 headers 参数才能正确模拟浏览器登录。headers 参数可以在打开网页时按键盘F12 打开 然后刷新一下网页单击F12弹出窗口的任何一个文件就能查看网站的所有 headers 信息有 cookieuser-agent 等信息。如下图所示 我们可以复制一部分信息或全部信息放到 request 函数的 headers 参数里面。
爬虫实例 2抓豆瓣 top 250 的电影信息
我们想获取豆瓣高分评价的 250 部电影的信息电影名字导演上映年代评分评分人数等。打开豆瓣 top 250 的网页链接 https://movie.douban.com/top250?start 发现每个网页显示 25 部电影一共有 10 个挖网页网页地址与链接中的 start 后面的数字有关。例如第 3 个子网页的链接地址是 https://movie.douban.com/top250?start50 根据这个规律我们可以用一个 for 循环将 10 个网页分别打开抓取信息。
打开一个网页单击右键查看网页源代码如下图所示 通过源代码发现以下几个特点 每部电影的信息都在标签 div class‘item’ 里面。据此我们可以用一个 for 循环将每个网页的 div class‘item’ 标签都检索出来 电影的中英文名字都在标签 div class‘title’ 里而其他名字在标签 div class‘other’ 里。我们可以使用函数find()以及find_next() 检索出来。 导演主演上映年代电影产地电影类型信息在标签 p class‘’ 里。我们可以使用函数find()检索然后利用正则表达式将里面对应文本信息分别提取出来。 评分信息在标签 div class‘rating_num’ 里。我们可以使用函数find()检索出来。 评分人数信息在标签 span 里。我们可以通过函数find()结合关键字’评价’检索出来。网页中的 span 提供了一种将文本的一部分或者文档的一部分独立出来的方式 代表性评价信息在标签 div class‘quote’ 里。我们可以使用函数find()检索出来。
根据以上的特点设计出以下的 python 代码。其中中文分词库jieba词云库WordCloud库等若没有安装需要提前安装使用 pip 或 conda 安装到电脑上。
在画图时使用 matplotlib 画出饼图使用 WordCloud 生成词云图因为 matplotlib 不能自动将不同柱子分配不同的颜色使用 seaborn 画出柱状图。
import requests # 联系网络的包a package for requesting from websites
import pandas as pd
from bs4 import BeautifulSoup # 分析网页数据的包a package for webstie data analysis
import matplotlib.pyplot as plt # 画图的包
import time
import random
import jieba # 中文分词包
from wordcloud import WordCloud # 词云包
import re # 正则表达式包
import seaborn as sns # 用 seaborn 画柱状图plt.rcParams[font.sans-serif] [SimHei] # 主要是模拟浏览器登录防止反爬
headers {user-agent:Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/74.0.3729.108 Safari/537.36}## store the information
rank_list []
name_list [] # 用来存储电影名字的一个二维列表
director_list [] # 用来存储导演名字的一个列表下面几个变量类似
actor_list []
year_list []
rating_list []
ratingNum_list []
quote_list []
place_list []
category_list []num 0
for i in range(0, 10):link https://movie.douban.com/top250?start str(i*25) # 250部电影一共 10个网页 10 pages for total 250 movies res requests.get(link, headers headers, timeout 10)time.sleep(random.random()*3) # 每抓一个网页休息2~3秒防止被反爬措施封锁 IPavoid being blocked of the IP address# res.text is the content of the crawlersoup BeautifulSoup(res.text, lxml) # lxml 是一个解码方式lxml is one decoding model for Beautifulsoupmovie_list soup.find_all(div, class_ item) # 检索所有类型为 item 的 div 标签for each in movie_list:# 排名在 em 标签里rank each.em.textrank_list.append(rank)# 电影名字在标签 span classtitle 与 span classother 里other_name each.find(span, class_ other).get_text()other_name other_name.replace( , ) # 去掉空格other_name other_name.replace(\xa0/\xa0, ) # 去掉多余字符 \xa0/\xa0cn_name each.find(span, class_ title).get_text()eg_name each.find(span, class_ title).find_next().get_text() # find_next() 查找满足条件的下一个标签eg_name eg_name.replace(\xa0/\xa0, ) # 去掉多余字符 \xa0/\xa0name_list.append([cn_name, eg_name, other_name]) # 评分信息在标签 span classrating_num 里rating each.find(span, class_ rating_num).get_text()rating_list.append(float(rating))# 评价人数通过关键词评价检索rating_num each.find(string re.compile(评价)).get_text()rating_num rating_num.replace(人评价, )ratingNum_list.append(int(rating_num))# 代表性评价在 p classquote 里 try:quote each.find(p, class_ quote).get_text()except Exception: # 有的电影代表性评价没有显示quote quote_list.append(quote)info each.p.get_text(strip True)# 定义正则表达式提取出导演主演上映时间地点电影类型信息 try: # (?导演: ) match any character begins after character 导演: # .*? match any character (.), zero or more times (*) but as less as possible (?)# (?主) match any character before character 主director re.compile((?导演: ).*?(?主)).findall(info)[0]actor re.compile((?主演: ).*?(?/)).findall(info)[0]except Exception: # 有的电影导演名字太长主演没有显示出来director re.compile((?导演: ).*?(?\xa0)).findall(info)[0]actor director_list.append(director)actor_list.append(actor)# \d{4} is a four digit numberyear re.compile((?...)\d{4}).findall(info)[0]year_list.append(year)place_category re.compile((?\xa0/\xa0).*).findall(info)[0]place_category place_category.replace(\xa0, )place_category place_category.split(/)place place_category[0]category place_category[1]place_list.append(place)category_list.append(category)# 将数据存到 pandas 里
df pd.DataFrame(rank_list, columns [排名])
df[电影名字] [i[0] for i in name_list]
df[外文名字] [i[1] for i in name_list]
df[其他名字] [i[2] for i in name_list]
df[评分] rating_list
df[评价人数] ratingNum_list
df[导演] director_list
df[主演] actor_list
df[上映日期] year_list
df[地区] place_list
df[类型] category_list
df[代表性评论] quote_list# 导出到 xls 文件里save to xls file
df.to_csv(豆瓣 top 250 电影爬虫抓取.csv)# 分析电影来源地并画饼图
locations []
for i in range(len(place_list)):nations place_list[i].split( ) for j in range(len(nations)):if nations[j] 西德:nations[j] 德国locations.append(nations[j])df_location pd.DataFrame(locations, columns [地区])
# 按照出现次数排序, size() 可以查数生成一个 Series 类型
# 然后用 reset_index 重新命名参数为 name
# DataFrame 类型的 reset_index 参数为 names
df2 df_location.groupby(地区).size().reset_index(namecounts) # df2 df2[地区].value_counts(ascending False).reset_index()
df2.sort_values(by counts, ascending False, inplace True, ignore_index True)
# 画饼状图
values []
labels []
other_count 0
for i in range(9):values.append(df2[counts][i])labels.append(df2[地区][i])
for i in range(9, df2.shape[0]):other_count int(df2[counts][i])
values.append(other_count)
labels.append(其他地区)
plt.figure(1)
plt.pie(values, labelslabels, autopct%.2f%%)
plt.legend() # 显示标签
plt.show()# 分析电影类型并画饼图
categories []
for i in range(len(category_list)):category category_list[i].split( ) for j in range(len(category)):categories.append(category[j])df_category pd.DataFrame(categories, columns [类型])
df3 df_category.groupby(类型).size().reset_index(namecounts)
df3.sort_values(by counts, ascending False, inplace True, ignore_index True)values []
labels []
other_count 0
for i in range(15):values.append(df3[counts][i])labels.append(df3[类型][i])
for i in range(15, df3.shape[0]):other_count int(df3[counts][i])
values.append(other_count)
labels.append(其他类型)
plt.figure(2)
plt.pie(values, labelslabels, autopct%.2f%%)
plt.legend()
plt.show()# 画词云图
jieba.add_word(久石让)
jieba.add_word(谢耳朵)
# 一些语气词和没有意义的词
del_words [ 就是, 一个, 被, 电影, 我们,不是, 每个, 不会, 没有, 这样, 那么, 不要, 如果,不能, 一种, 不过, 只有, 不得不, 不得不, 一部]
all_quotes .join(quote_list) # 将所有代表性评论拼接为一个文本
# 去掉标点符号
all_quotes re.sub(r[0-9\s\.\!\/_,$%^*()?;:-【】\\]|[——;:。、~#%……*], , all_quotes)
words jieba.lcut(all_quotes)
words_final []
for i in range(len(words)): if len(words[i]) 1 and words[i] not in del_words: # 去掉一些语气词单字词 words_final.append(words[i])
text_result Counter(words_final)
cloud WordCloud(font_path C:\Windows\Fonts\FZSTK.TTF, # 中文字体地址 C:\Windows\Fonts\FZSTK.TTF提前下载字体或指定否则中文无法显示# mask 通过 mask 参数指定一个图片地址作为词云的背景图像 background_color white,width 1000,height 860,max_words 25 )
#wc cloud.generate(words) # 这种方法对中文支持不太好this mehtod is better for only english string
wc cloud.generate_from_frequencies(text_result)
wc.to_file(豆瓣 TOP 250 词云.jpg)
plt.figure(3)
plt.imshow(wc)
plt.axis(off)
plt.title(豆瓣 TOP 250 电影代表性评论的词云分析)
plt.show()# 评分最高的 15 部电影
# 用 seaborn 画柱状图因为自动将不同柱子分配不同的颜色
df_star df.sort_values(by 评分, ascending False, ignore_index True)
number 15
df_star_top df_star.head(number)
plt.figure(4)
sns.barplot(data df_star_top, y 电影名字, x 评分, orient h)
plt.title(评分最高的 str(number) 部电影)
plt.show()# 评分人数最多的 15 部电影
df_num df.sort_values(by 评价人数, ascending False, ignore_index True)
df_num_top df_num.head(number)
plt.figure(5)
sns.barplot(data df_num_top, y 电影名字, x 评价人数, orient h)
plt.title(评分人数最多的 str(number) 部电影)
plt.show()# 电影年代画图
df_year df.groupby(上映日期).size().reset_index(name 部数)
df_year.sort_values(部数, ascending False, inplace True)
df_year_top df_year.head(20)
df_year_top.sort_values(上映日期, inplace True)
plt.figure(6)
sns.barplot(data df_year_top, x 上映日期, y 部数)
plt.title(电影上映年代)
plt.show()生成的图形如下
后记
不同的网站的爬虫技巧经常不一样要具体网站具体分析。由于一些网站经常更新数据的存储地址或源代码某段时间的爬虫代码可能在下一个时间段就不能用了爬虫代码也要更新。有的网页信息并不在网站直接打开的网页源代码里例如弹幕、电商评论等还要结合按键F12找到网页信息的真实地址。提取网页信息时经常要用到正则表达式处理字符串。
近年来许多网站都提高了反爬手段防止网站的数据被无端获取。因此提醒读者避免过度使用爬虫给一些网站造成不必要的访问负担。 文章转载自： http://www.morning.mfbcs.cn.gov.cn.mfbcs.cn http://www.morning.mhxlb.cn.gov.cn.mhxlb.cn http://www.morning.hmnhp.cn.gov.cn.hmnhp.cn http://www.morning.jpbky.cn.gov.cn.jpbky.cn http://www.morning.yqqxj1.cn.gov.cn.yqqxj1.cn http://www.morning.wffxr.cn.gov.cn.wffxr.cn http://www.morning.jiuyungps.com.gov.cn.jiuyungps.com http://www.morning.gkgb.cn.gov.cn.gkgb.cn http://www.morning.qphgp.cn.gov.cn.qphgp.cn http://www.morning.pqnpd.cn.gov.cn.pqnpd.cn http://www.morning.knlgk.cn.gov.cn.knlgk.cn http://www.morning.rkck.cn.gov.cn.rkck.cn http://www.morning.kmqjx.cn.gov.cn.kmqjx.cn http://www.morning.grjh.cn.gov.cn.grjh.cn http://www.morning.txgjx.cn.gov.cn.txgjx.cn http://www.morning.kgjyy.cn.gov.cn.kgjyy.cn http://www.morning.wbxtx.cn.gov.cn.wbxtx.cn http://www.morning.fsfz.cn.gov.cn.fsfz.cn http://www.morning.lnmby.cn.gov.cn.lnmby.cn http://www.morning.yzxlkj.com.gov.cn.yzxlkj.com http://www.morning.gfqj.cn.gov.cn.gfqj.cn http://www.morning.jbpdk.cn.gov.cn.jbpdk.cn http://www.morning.24vy.com.gov.cn.24vy.com http://www.morning.nspzy.cn.gov.cn.nspzy.cn http://www.morning.fgsqz.cn.gov.cn.fgsqz.cn http://www.morning.rljr.cn.gov.cn.rljr.cn http://www.morning.jlpdc.cn.gov.cn.jlpdc.cn http://www.morning.msgnx.cn.gov.cn.msgnx.cn http://www.morning.sjftk.cn.gov.cn.sjftk.cn http://www.morning.nzhzt.cn.gov.cn.nzhzt.cn http://www.morning.rszwc.cn.gov.cn.rszwc.cn http://www.morning.bbmx.cn.gov.cn.bbmx.cn http://www.morning.fjzlh.cn.gov.cn.fjzlh.cn http://www.morning.gmnmh.cn.gov.cn.gmnmh.cn http://www.morning.qzqjz.cn.gov.cn.qzqjz.cn http://www.morning.dzqr.cn.gov.cn.dzqr.cn http://www.morning.qscsy.cn.gov.cn.qscsy.cn http://www.morning.mhnrx.cn.gov.cn.mhnrx.cn http://www.morning.hlmkx.cn.gov.cn.hlmkx.cn http://www.morning.rlwcs.cn.gov.cn.rlwcs.cn http://www.morning.bpmnh.cn.gov.cn.bpmnh.cn http://www.morning.rwjfs.cn.gov.cn.rwjfs.cn http://www.morning.pcrzf.cn.gov.cn.pcrzf.cn http://www.morning.qxwgx.cn.gov.cn.qxwgx.cn http://www.morning.hbqfh.cn.gov.cn.hbqfh.cn http://www.morning.qmnjn.cn.gov.cn.qmnjn.cn http://www.morning.wqrdx.cn.gov.cn.wqrdx.cn http://www.morning.qljxm.cn.gov.cn.qljxm.cn http://www.morning.zsrdp.cn.gov.cn.zsrdp.cn http://www.morning.npfrj.cn.gov.cn.npfrj.cn http://www.morning.hlnys.cn.gov.cn.hlnys.cn http://www.morning.ybyln.cn.gov.cn.ybyln.cn http://www.morning.trnhy.cn.gov.cn.trnhy.cn http://www.morning.tbcfj.cn.gov.cn.tbcfj.cn http://www.morning.yfrlk.cn.gov.cn.yfrlk.cn http://www.morning.mnclk.cn.gov.cn.mnclk.cn http://www.morning.zypnt.cn.gov.cn.zypnt.cn http://www.morning.jlktz.cn.gov.cn.jlktz.cn http://www.morning.btblm.cn.gov.cn.btblm.cn http://www.morning.mzydm.cn.gov.cn.mzydm.cn http://www.morning.fgqbx.cn.gov.cn.fgqbx.cn http://www.morning.nd-test.com.gov.cn.nd-test.com http://www.morning.bssjp.cn.gov.cn.bssjp.cn http://www.morning.pmlgr.cn.gov.cn.pmlgr.cn http://www.morning.qlsyf.cn.gov.cn.qlsyf.cn http://www.morning.qnhpq.cn.gov.cn.qnhpq.cn http://www.morning.sffwz.cn.gov.cn.sffwz.cn http://www.morning.rfxw.cn.gov.cn.rfxw.cn http://www.morning.hxfrd.cn.gov.cn.hxfrd.cn http://www.morning.npxht.cn.gov.cn.npxht.cn http://www.morning.gcszn.cn.gov.cn.gcszn.cn http://www.morning.gwmjy.cn.gov.cn.gwmjy.cn http://www.morning.lynmt.cn.gov.cn.lynmt.cn http://www.morning.ktrzt.cn.gov.cn.ktrzt.cn http://www.morning.swkzk.cn.gov.cn.swkzk.cn http://www.morning.nqwkn.cn.gov.cn.nqwkn.cn http://www.morning.xhsxj.cn.gov.cn.xhsxj.cn http://www.morning.lfdzr.cn.gov.cn.lfdzr.cn http://www.morning.lmhcy.cn.gov.cn.lmhcy.cn http://www.morning.rxfjg.cn.gov.cn.rxfjg.cn
