個人博客： https://mypython.me
源碼地址： https://github.com/geeeeeeeek/scrapy_stock
抓取工具：scrapy
scrapy 介紹
Scrapy是一個為了爬取網站數據，提取結構性數據而編寫的應用框架。 可以應用在包括數據挖掘，信息處理或存儲歷史數據等一系列的程序中。其最初是為了 頁面抓取 (更確切來說, 網絡抓取 )所設計的， 也可以應用在獲取 API 所返回的數據(例如 Amazon Associates Web Services ) 或者通用的網絡爬蟲。
安裝 scrapy
pip install Scrapy 抓取步驟
選擇一個網站 --> 定義數據 --> 編寫 spider
首先使用 scrapy 創建一個項目
scrapy startproject tutorial 1.選擇一個網站
這里我們選擇的是東方財富網的股票代碼頁面： http://quote.eastmoney.com/stocklist.html
2.定義要抓取的數據
我們需要抓取股票的代碼 id，因此只需要定義 stock_id
class StockItem(scrapy.Item): stock_id = scrapy.Field() 3.編寫 spider
class StockSpider(scrapy.Spider): name = 'stock' def start_requests(self): url = 'http://quote.eastmoney.com/stocklist.html' yield Request(url) def parse(self, response): item = StockItem() print "===============上海================" stocks_sh = response.css('div#quotesearch ul li a[href*="http://quote.eastmoney.com/sh"]::text') for stock in stocks_sh: item['stock_id'] = 's_sh' + re.findall('\((.*?)\)', stock.extract())[0] yield item print "===============深圳================" stocks_sz = response.css('div#quotesearch ul li a[href*="http://quote.eastmoney.com/sz"]::text') for stock in stocks_sz: item['stock_id'] = 's_sz' + re.findall('\((.*?)\)', stock.extract())[0] yield item 玄機盡在response.css('div#quotesearch ul li a[href*="http://quote.eastmoney.com/sh"]::text ’)，使用了 css 來過濾自己需要的數據。
運行程序
scrapy crawl stock -o stock.csv 即可生成 stock.csv 文件
預覽如下：
stock_id s_sh201000 s_sh201001 s_sh201002 s_sh201003 s_sh201004 s_sh201005 s_sh201008 s_sh201009 s_sh201010 s_sh202001 s_sh202003 s_sh202007 s_sh203007 s_sh203008 s_sh203009 … 如果要查詢單個股票的股票行情，可以使用新浪的股票接口：
例如
http://hq.sinajs.cn/list=s_sh600756
即可得到浪潮軟件的股票行情
var hq_str_s_sh600756="浪潮軟件,19.790,1.140,6.11,365843,70869";