python爬蟲-上期所持倉排名數據爬取

摘要：筆記記錄爬取上期所持倉數據的過程，本次爬取使用的工具是python，使用的IDE是pycharm

 

一、查看網頁屬性，分析數據結構

　　在瀏覽器中打開上期所網頁，按F12或者選擇表格文字-右鍵-審查元素，調出控制台：

　　

 　　在Network中可以看到目標數據：http://www.shfe.com.cn/data/dailydata/kx/pm20190110.dat，其中20190110是數據代表的日期：

 

二、將數據下載到本地文件夾

　　1.在pycharm中新建一個python文檔，將目標dat文件下載到本地文件夾，需要用到的包可以在CMD控制台中通過 ‘pip install [包名]’ 安裝：

import xlwt
import requests
import os
mydate = "20190111"  #指定需要的數據日期
url = "http://www.shfe.com.cn/data/dailydata/kx/pm" + mydate + ".dat"
root = "F://py//SQ//"
path = root + url.split('/')[-1] + ".txt"  #指定下載的目錄,保存為txt文件
r = requests.get(url)
with open(path, 'wb') as f:
    f.write(r.content)
    f.close()
    print("文件保存成功")

 

　　2.運行代碼后，可以看到文件夾中多了個pm20190111.dat.txt文件，用記事本打開文件，可以看到文件是Json格式的表格，接下來用json包將其解析成python的dataframe格式：

　　代碼：

import json
file = open("F://py//SQ//pm" + mydate + ".dat.txt", 'r', encoding='UTF-8')
js = file.read()
dic = json.loads(js)
file.close()

　　3.接下來將數據存儲到excel表中，使用的是xlwt包，運行代碼，至此，上期所的每日持倉數據已成功爬取：

def WriteExcel(data):
    pm = xlwt.Workbook()
    sheet = pm.add_sheet('Sheet1', cell_overwrite_ok=True)
    title = ['品種代碼', '序號', '排名', '期貨公司會員號', '會員類別', '總成交量', '比上交易日增減', '期貨公司會員號', '會員類別', '總持買單量', '比上交易日增減', '期貨公司會員號',
             '會員類別', '總持賣單量', '比上交易日增減', '品種']
    for i in range(len(title)):  # 創建表頭
        sheet.write(0, i, title[i])
    j = 0
    for line in data["o_cursor"]:  # 寫入數據
        dataV = list(data["o_cursor"][j].values())
        j = j + 1
        for k in range(len(dataV)):
            if isinstance(dataV[k], str):
                dataV[k] = dataV[k].strip()
            sheet.write(j, k, dataV[k])
    pm.save("F://py//SQ//demo" + mydate + ".xls")
WriteExcel(dic)