Python股票數(shù)據(jù)定向爬蟲是怎么樣的

Python股票數(shù)據(jù)定向爬蟲是怎么樣的，相信很多沒有經(jīng)驗(yàn)的人對(duì)此束手無策，為此本文總結(jié)了問題出現(xiàn)的原因和解決方法，通過這篇文章希望你能解決這個(gè)問題。

功能簡(jiǎn)介

• 目標(biāo)： 獲取上交所和深交所所有股票的名稱和交易信息。

• 輸出： 保存到文件中。

• 技術(shù)路線： requests—bs4–re

• 語言：python3.5

說明

• 網(wǎng)站選擇原則： 股票信息靜態(tài)存在于html頁(yè)面中，非js代碼生成，沒有Robbts協(xié)議限制。

• 選取方法： 打開網(wǎng)頁(yè)，查看源代碼，搜索網(wǎng)頁(yè)的股票價(jià)格數(shù)據(jù)是否存在于源代碼中。

如打開新浪股票網(wǎng)址：鏈接描述(http://finance.sina.com.cn/realstock/company/sz000877/nc.shtml)，如下圖所示：

上圖中左邊為網(wǎng)頁(yè)的界面，顯示了天山股份的股票價(jià)格是13.06。右邊為該網(wǎng)頁(yè)的源代碼，在源代碼中查詢13.06發(fā)現(xiàn)沒有找到。所以判斷該網(wǎng)頁(yè)的數(shù)據(jù)使用js生成的，不適合本項(xiàng)目。因此換一個(gè)網(wǎng)頁(yè)。

再打開百度股票的網(wǎng)址：鏈接描述(https://gupiao.baidu.com/stock/sz300023.html)，如下圖所示：

從上圖中可以發(fā)現(xiàn)百度股票的數(shù)據(jù)是html代碼生成的，符合我們本項(xiàng)目的要求，所以在本項(xiàng)目中選擇百度股票的網(wǎng)址。

由于百度股票只有單個(gè)股票的信息，所以還需要當(dāng)前股票市場(chǎng)中所有股票的列表，在這里我們選擇東方財(cái)富網(wǎng)，網(wǎng)址為：鏈接描述(http://quote.eastmoney.com/stocklist.html)，界面如下圖所示：

原理分析

查看百度股票每只股票的網(wǎng)址：https://gupiao.baidu.com/stock/sz300023.html，可以發(fā)現(xiàn)網(wǎng)址中有一個(gè)編號(hào)300023正好是這只股票的編號(hào)，sz表示的深圳交易所。因此我們構(gòu)造的程序結(jié)構(gòu)如下：

• 步驟1： 從東方財(cái)富網(wǎng)獲取股票列表;

• 步驟2： 逐一獲取股票代碼，并增加到百度股票的鏈接中，***對(duì)這些鏈接進(jìn)行逐個(gè)的訪問獲得股票的信息;

• 步驟3： 將結(jié)果存儲(chǔ)到文件。

接著查看百度個(gè)股信息網(wǎng)頁(yè)的源代碼，發(fā)現(xiàn)每只股票的信息在html代碼中的存儲(chǔ)方式如下：

因此，在我們存儲(chǔ)每只股票的信息時(shí)，可以參考上圖中html代碼的存儲(chǔ)方式。每一個(gè)信息源對(duì)應(yīng)一個(gè)信息值，即采用鍵值對(duì)的方式進(jìn)行存儲(chǔ)。在python中鍵值對(duì)的方式可以用字典類型。因此，在本項(xiàng)目中，使用字典來存儲(chǔ)每只股票的信息，然后再用字典把所有股票的信息記錄起來，***將字典中的數(shù)據(jù)輸出到文件中。

代碼編寫

首先是獲得html網(wǎng)頁(yè)數(shù)據(jù)的程序，在這里不多做介紹了，代碼如下：

#獲得html文本  def getHTMLText(url):      try:          r = requests.get(url)          r.raise_for_status()          r.encoding = r.apparent_encoding          return r.text      except:          return ""

接下來是html代碼解析程序，在這里首先需要解析的是東方財(cái)富網(wǎng)頁(yè)面：鏈接描述(http://quote.eastmoney.com/stocklist.html)，我們打開其源代碼，如下圖所示：

由上圖可以看到，a標(biāo)簽的href屬性中的網(wǎng)址鏈接里面有每只股票的對(duì)應(yīng)的號(hào)碼，因此我們只要把網(wǎng)址里面對(duì)應(yīng)股票的號(hào)碼解析出來即可。解析步驟如下：

***步，獲得一個(gè)頁(yè)面：

html = getHTMLText(stockURL)

第二步，解析頁(yè)面，找到所有的a標(biāo)簽：

soup = BeautifulSoup(html, 'html.parser')  a = soup.find_all('a')

第三步，對(duì)a標(biāo)簽中的每一個(gè)進(jìn)行遍歷來進(jìn)行相關(guān)的處理。處理過程如下：

1.找到a標(biāo)簽中的href屬性，并且判斷屬性中間的鏈接，把鏈接后面的數(shù)字取出來，在這里可以使用正則表達(dá)式來進(jìn)行匹配。由于深圳交易所的代碼以sz開頭，上海交易所的代碼以sh開頭，股票的數(shù)字有6位構(gòu)成，所以正則表達(dá)式可以寫為[s][hz]\d{6}。也就是說構(gòu)造一個(gè)正則表達(dá)式，在鏈接中去尋找滿足這個(gè)正則表達(dá)式的字符串，并把它提取出來。代碼如下：

for i in a:      href = i.attrs['href']      lst.append(re.findall(r"[s][hz]\d{6}", href)[0])

2.由于在html中有很多的a標(biāo)簽，但是有些a標(biāo)簽中沒有href屬性，因此上述程序在運(yùn)行的時(shí)候出現(xiàn)異常，所有對(duì)上述的程序還要進(jìn)行try…except來對(duì)程序進(jìn)行異常處理，代碼如下：

for i in a:      try:          href = i.attrs['href']          lst.append(re.findall(r"[s][hz]\d{6}", href)[0])      except:          continue

從上面代碼可以看出，對(duì)于出現(xiàn)異常的情況我們使用了continue語句，直接讓其跳過，繼續(xù)執(zhí)行下面的語句。通過上面的程序我們就可以把東方財(cái)富網(wǎng)上股票的代碼信息全部保存下來了。

將上述的代碼封裝成一個(gè)函數(shù)，對(duì)東方財(cái)富網(wǎng)頁(yè)面解析的完整代碼如下所示：

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

接下來是獲得百度股票網(wǎng)鏈接描述(https://gupiao.baidu.com/stock/sz300023.html)單只股票的信息。我們先查看該頁(yè)面的源代碼，如下圖所示：

股票的信息就存在上圖所示的html代碼中，因此我們需要對(duì)這段html代碼進(jìn)行解析。過程如下：

1.百度股票網(wǎng)的網(wǎng)址為：https://gupiao.baidu.com/stock/

一只股票信息的網(wǎng)址為：https://gupiao.baidu.com/stock/sz300023.html

所以只要百度股票網(wǎng)的網(wǎng)址+每只股票的代碼即可，而每只股票的代碼我們已經(jīng)有前面的程序getStockList從東方財(cái)富網(wǎng)解析出來了，因此對(duì)getStockList函數(shù)返回的列表進(jìn)行遍歷即可，代碼如下：

for stock in lst:  url = stockURL + stock + ".html"

2.獲得網(wǎng)址后，就要訪問網(wǎng)頁(yè)獲得網(wǎng)頁(yè)的html代碼了，程序如下：

html = getHTMLText(url)

3.獲得了html代碼后就需要對(duì)html代碼進(jìn)行解析，由上圖我們可以看到單個(gè)股票的信息存放在標(biāo)簽為div,屬性為stock-bets的html代碼中，因此對(duì)其進(jìn)行解析：

soup = BeautifulSoup(html, 'html.parser')  stockInfo = soup.find('div',attrs={'class':'stock-bets'})

4.我們又發(fā)現(xiàn)股票名稱在bets-name標(biāo)簽內(nèi)，繼續(xù)解析，存入字典中：

infoDict = {}  name = stockInfo.find_all(attrs={'class':'bets-name'})[0]  infoDict.update({'股票名稱': name.text.split()[0]})

split()的意思是股票名稱空格后面的部分不需要了。

5.我們從html代碼中還可以觀察到股票的其他信息存放在dt和dd標(biāo)簽中，其中dt表示股票信息的鍵域，dd標(biāo)簽是值域。獲取全部的鍵和值：

keyList = stockInfo.find_all('dt')  valueList = stockInfo.find_all('dd')

并把獲得的鍵和值按鍵值對(duì)的方式村放入字典中：

for i in range(len(keyList)):  key = keyList[i].text  val = valueList[i].text  infoDict[key] = val

6.***把字典中的數(shù)據(jù)存入外部文件中：

with open(fpath, 'a', encoding='utf-8') as f:  f.write( str(infoDict) + '\n' )

將上述過程封裝成完成的函數(shù)，代碼如下：

def getStockInfo(lst, stockURL, fpath):      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({'股票名稱': 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' )          except:              continue

其中try…except用于異常處理。

接下來編寫主函數(shù)，調(diào)用上述函數(shù)即可：

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)

項(xiàng)目完整程序

# -*- coding: utf-8 -*-     import requests  from bs4 import BeautifulSoup  import traceback  import re  def getHTMLText(url):      try:          r = requests.get(url)          r.raise_for_status()          r.encoding = r.apparent_encoding          return r.text      except:          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):      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({'股票名稱': 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當(dāng)前進(jìn)度: {:.2f}%".format(count*100/len(lst)),end="")          except:              count = count + 1              print("\r當(dāng)前進(jìn)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()

上述代碼中的print語句用于打印爬取的進(jìn)度。執(zhí)行完上述代碼后在D盤會(huì)出現(xiàn)BaiduStockInfo.txt文件，里面存放了股票的信息。

看完上述內(nèi)容，你們掌握Python股票數(shù)據(jù)定向爬蟲是怎么樣的的方法了嗎？如果還想學(xué)到更多技能或想了解更多相關(guān)內(nèi)容，歡迎關(guān)注億速云行業(yè)資訊頻道，感謝各位的閱讀！