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()
更多推荐
爬虫:股票数据定向爬虫
发布评论