爬虫：股票数据定向爬虫

爬虫：股票数据定向爬虫"/>

爬虫：股票数据定向爬虫

功能描述

*目标：获取上交所和深交所所有股票的名称和交易信息

*输出：保存到文件中

*技术路线：requests-bs4-re

候选数据网站的选择：

新浪股票：/

百度股票：/

股票代码一览表：.html

候选数据网站的选择

*选取原则：股票信息静态存在于HTML页面中，非js代码生成，没有Robots协议限制

*选取方法：浏览器F12，源代码查看等

*选取心态：不要纠结于某个网站，多找信息源尝试

程序的结构设计

步骤1：从东方财富网获取股票列表

步骤2：根据股票列表逐个到百度股票获取个股信息

步骤3：将结果存储到文件

import requests
from bs4 import BeautifulSoup
import traceback
import re
def getHTMLText(url):try:r=requests.get(url,timeout=30)r.raise_for_status()r.encoding=r.apparent_encodingreturn r.textexcept:return ""
def getStockList(lst,stockURL):html=getHTMLText(stockURL)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])except:continue
def getStockInfo(lst,stockURL,fpath):for stock in lst:url=stockURL+stock+".html"html=getHTMLText(url)try:if html=="":continueinfoDict={}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].textval=valueList[i].textinfoDict[key]=valwith open(fpath,'a',encoding='utf-8') as f:f.write(str(infoDict)+'\n')except:traceback.print_exc()continuedef main():stock_list_url='.html'stock_info_url='/'output_file='C://gupiao.txt'slist=[]getStockList(slist,stock_list_url)getStockInfo(slist,stock_info_url,output_file)main()