什么是税务稽查中的"网络爬虫

"网络爬虫"也称"网页蜘蛛",是一个自动提取网页的程序,运用"网络爬虫"技术设定程序,可以根据既定的目标更加精准选择抓取相关的网页信息,有助于在互联网海量信息中快捷获取有用的涉税信息.

2."网络爬虫"的运用

"网络爬虫"技术主导下的涉税信息监控平台具有三个突出的特点:分类抓取、实时监控和智能比对.

平台主要从证券财经网站,重点抓取上市公司公告、上市公司十大股东股票减持、限售股解禁等信息风控中心的专用电脑全天候实时抓取、储存和分类整理相关信息平台将从互联网获取的信息与税收征管系统以及其他第三方信息进行自动比对,从中筛选出存在税收风险的管征户信息.

3."网络爬虫"的流程（具体可以咨询财慧网）

进入系统后,先连接互联网的风控中心电脑,通过"网络爬虫"程序定向抓取各网站上发布的上市公司公告信息,并且将这些信息转化成可识别的文本.在当天股市收盘后,扫描程序开始启动,扫描"网络爬虫"抓取的公告内容.

如果扫描中出现了国税局管理的企业名称或者是其他有效信息,监控平台会自动将公告与国税局管理企业建立起关联,并且以不同颜色的字体和高亮方式显示在电脑屏幕上.风控中心人员可以实时看到关联信息.

其实把网络爬虫抽象开来看，它无外乎包含如下几个步骤

模拟请求网页。模拟浏览器，打开目标网站。

获取数据。打开网站之后，就可以自动化的获取我们所需要的网站数据。

保存数据。拿到数据之后，需要持久化到本地文件或者数据库等存储设备中。

那么我们该如何使用 Python 来编写自己的爬虫程序呢，在这里我要重点介绍一个 Python 库：Requests。

Requests 使用

Requests 库是 Python 中发起 HTTP 请求的库，使用非常方便简单。

模拟发送 HTTP 请求

发送 GET 请求

当我们用浏览器打开豆瓣首页时，其实发送的最原始的请求就是 GET 请求

import requests

res = requests.get('http://www.douban.com')

print(res)

print(type(res))

>>>

<Response [200]>

<class 'requests.models.Response'>