目錄
三、“股票數據定向爬蟲”實例
1、“股票數據定向爬蟲”實例介紹
（1）功能描述
目標：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。
技術路線：requests-bs4-re。
（2）候選數據網站的選擇
①新浪股票：http://finance.sina.com.cn/stock/。
②百度股票：https://gupiao.baidu.com/stock/。
備註：原來的百度股票網頁鏈接已失效；故更改爲https://so.cfi.cn/so.aspx?txquery=。原來的東方財富網網頁鏈接已無法爬取數據；故更改爲http://quote.eastmoney.com/stock_list.html#sh。
選取原則：股票信息靜態存在於HTML頁面中，非js代碼生成，沒有Robots協議限制。
選取方法：瀏覽器F12，源代碼查看等。
選取心態：不要糾結於某個網站，多找信息源嘗試。
（3）程序的結構設計
步驟1：從東方財富網獲取股票列表。
步驟2：根據股票列表逐個到百度股票獲取個股信息。
步驟3：將結果存儲到文件。
2、“股票數據定向爬蟲”實例編寫
# “股票數據定向爬蟲”實例編寫
# 錯誤
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_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):
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:
traceback.print_exc()
continue
def main():
stock_list_url = 'http://quote.eastmoney.com/stocklist.html'
stock_info_url = 'https://gupiao.baidu.com/stock/'
output_file = 'H://python//Web crawler//BaiduStockInfo.txt'
slist = []
getStockList(slist, stock_list_url)
getStockInfo(slist, stock_info_url, output_file)
main()
# “股票數據定向爬蟲”實例編寫
# 正確
import requests
from bs4 import BeautifulSoup
import traceback
import re
def getHTMLText(url, code='utf-8'):
try:
r = requests.get(url, timeout=30)
r.raise_for_status()
r.encoding = code # 編碼識別的優化。
return r.text
except:
return "解析網頁出錯"
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])
except:
continue
return lst
def getStockInfo(lst, stockURL, fpath):
count = 0
for stock in lst:
url = stockURL + stock + ".html"
html = getHTMLText(url)
try:
if html == "" or html == None:
continue
l = []
soup = BeautifulSoup(html, 'html.parser')
stockInfo = soup.find('table', attrs={'class': 'quote'})
trans = str(stockInfo)
reg = r'<td>(.*?)</td>'
texty = re.compile(reg)
s1 = re.findall(texty, trans)[1::]
reg1 = r'<td>(.*?)<a'
texty1 = re.compile(reg1)
s2 = re.findall(texty1, trans)[0]
for i in s1:
s = i.replace("\u3000", "")
x = s.replace("<span style=\"color:rgb(0,102,0)\">", "")
b = x.replace("<span style=\"color:rgb(0,0,0)\">", "")
a = b.replace("</span>", "")
c = a.replace("<span style=\"color:rgb(255,0,0)\">", "")
l.append(c)
w = ",".join(l)
if l == []:
continue
with open(fpath, 'a', encoding='utf-8') as f:
f.write(s2 + '\u3000')
f.write(w + '\n')
count = count + 1
print("\r當前速度：{:.2f}%".format(count * 100 / len(lst)), end="") # 增加動態進度顯示。
except:
count = count + 1
print("\r當前速度：{:.2f}%".format(count * 100 / len(lst)), end="") # 增加動態進度顯示。
continue
def main():
stock_list_url = 'http://quote.eastmoney.com/stock_list.html#sh'
stock_info_url = 'https://so.cfi.cn/so.aspx?txquery=sz501310'
output_file = 'H://python//Web crawler//BaiduStockInfo.txt'
slist = []
getStockList(slist, stock_list_url)
print(getStockInfo(slist, stock_info_url, output_file))
main()
備註：原來的網頁鏈接（http://quote.eastmoney.com/stock_list.html#sh）爬取時間太長；故更改爲https://so.cfi.cn/so.aspx?txquery=sz501310，等號後的sz501310是對應每個股的代號。運行時間大約2000分鐘。（運行時間沒寫錯，確實很長）
3、“股票數據定向爬蟲”實例優化
（1）速度提高：編碼識別的優化
def getHTMLText(url):
try:
r = requests.get(url, timeout=30)
r.raise_for_status()
r.encoding = r.apparent_encoding # 編碼識別的優化。
return r.text
except:
return ""
（2）體驗提高：增加動態進度顯示
with open(fpath, 'a', encoding='utf-8') as f:
f.write(str(infoDict) + '\n')
count = count + 1
print("\r當前速度：{:.2f}%".format(count * 100 / len(lst)), end="") # 增加動態進度顯示。
except:
count = count + 1
print("\r當前速度：{:.2f}%".format(count * 100 / len(lst)), end="") # 增加動態進度顯示。
continue