Python程序设计思维练习---股票数据定向爬虫
本次练习是一个定向爬虫，爬取股票的相关数据，用到beautifulsoup,re,requests等库。 爬前分析：先分析比较不同网站提供的股票数据，在这里比较的是新浪股票和百度股票。因为百度股票的相关数据直接在html页面中爬取相对方便，而新浪股票的数据是通过js来传递的，获取比较麻烦，所以选择百度股票作为数据来源。 爬取流程：通过东方财富网得到上交所和深交所的所有股票代码，将股票代码依次导入百度股票的url中，即可访问各股的数据，再来分析百度股票的HTML页面爬取相关数据。 工具环境：python3.6.5，pycharm，win10。 图片来自拍信 0.网页分析 想必大家应该不是第一次爬取数据了，对于F12开发者工具有了一定了解，所以这里就不再赘述了。对于数据来源，别执着于一个网站，可以多分析几个网站来选择相对爬取简单的网站来进行数据的爬取。 1.流程分析 东方财富网源代码 百度股票的URL： http://gupiao.baidu.com/stock/sh502036.html 分析可得：只需将东方财富网中的 .html前的股票代码提取出来并加入到 https://gupiao.baidu.com/stock/的后面，便可以得到所有股票源数据。 百度股票源代码数据部分 2.函数设定 依据流程设定函数 3.完整代码 import requests from bs4 import BeautifulSoup import traceback import re def getHTMLText(url, code="utf-8"): try: r = requests.get(url) r.raise_for_status() r.encoding = code return r.text except: return "" def getStockList(lst, stockURL): html = getHTMLText(stockURL, "GB2312") soup = BeautifulSoup(html, 'html.parser') a = soup.find_all('a') for i in a: try: href = i.attrs['href'] lst.append(re.findall(r"[s][hz]\d{6}", href)[0]) # 匹配类似sh000001的股票代码 except: continue def getStockInfo(lst, stockURL, fpath): count = 0 for stock in lst: url = stockURL + stock + ".html" html = getHTMLText(url) try: if html=="": continue infoDict = {} soup = BeautifulSoup(html, 'html.parser') stockInfo = soup.find('div',attrs={'class':'stock-bets'}) name = stockInfo.find_all(attrs={'class':'bets-name'})[0] infoDict.update({'股票名称': name.text.split()[0]}) keyList = stockInfo.find_all('dt') valueList = stockInfo.find_all('dd') for i in range(len(keyList)): key = keyList[i].text val = valueList[i].text infoDict[key] = val with open(fpath, 'a', encoding='utf-8') as f: f.write( str(infoDict) + '\n' ) count = count + 1 print("\r当前进度: {:.2f}%".format(count*100/len(lst)),end="") # \r:能让输出比例时不自动换行 except: count = count + 1 print("\r当前进度: {:.2f}%".format(count*100/len(lst)),end="") continue def main(): stock_list_url = 'http://quote.eastmoney.com/stocklist.html' stock_info_url = 'https://gupiao.baidu.com/stock/' output_file = 'D:/BaiduStockInfo.txt' slist=[] getStockList(slist, stock_list_url) getStockInfo(slist, stock_info_url, output_file) main() 运行 本练习来自中国大学MOOC
