爬蟲爬取股票數據

股票數據定向爬蟲實例
目的：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

候選數據網站的選擇
選取原則：股票信息靜態存於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

數據網站的確定
獲取股票列表
東方財富網：http://quote.eastmoney.com/stocklist.html

 

 獲取個股信息
百度股票：http://gupiao.baidu.com/stock/
單個股票：http://gupiao.baidu.com/stock/sz002439.html

查看百度股票每只股票的網址：
https://gupiao.baidu.com/stock/sz300023.html
可以發現網址中有一個編號300023正好是這只股票的編號，sz表示的深圳交易所。因此我們構造的程序結構如下：
步驟1： 從東方財富網獲取股票列表；
步驟2： 逐一獲取股票代碼，並增加到百度股票的鏈接中，最后對這些鏈接進行逐個的訪問獲得股票的信息；
步驟3： 將結果存儲到文件。

查看百度個股信息網頁的源代碼,每只股票的信息在html代碼中的存儲方式如下

 

 每一個信息源對應一個信息值，即采用鍵值對的方式進行存儲
在python中鍵值對的方式可以用字典類型
因此，在本項目中，使用字典來存儲每只股票的信息，然后再用字典把所有股票的信息記錄起來，最后將字典中的數據輸出到文件中

代碼

import requests
from bs4 import BeautifulSoup
import traceback
import re
import bs4

def getHTMLText(url,code='utf-8'): #使用code提高解析效率
    try:
        r = requests.get(url)
        r.raise_for_status()
        r.encoding = code
        return r.text
    except:
        return '爬取失敗'
     
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']
            #以s開頭，中間是h或z，后面再接六位數字
            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'}            
            if isinstance(stockInfo,bs4.element.Tag)：
                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 += 1
                    print('\r當前速度:{:.2f}%'.format(count*100/len(lst)),end='')
                    #打印爬取進度
        except:
            print('\r當前速度:{:.2f}%'.format(count*100/len(lst)),end='')
            traceback.print_exc()
            continue
        
def main():
    stock_list_url = 'http://quote.eastmoney.com/stocklist.html'
    stock_info_url = 'http://gupiao.baidu.com/stock/' 
    output_file = 'C:/Users/Administrator/Desktop/Python網絡爬蟲與信息提取/BaiduStockInfo.txt'
    slist = []
    getStockList(slist,stock_list_url)
    getStockInfo(slist,stock_info_url,output_file)

main()

運行結果