Python爬蟲小實例：爬股票數據

在上一篇博客中，我們介紹了爬高校排名的爬蟲程序，本篇博客我們將介紹爬股票數據的程序。

程序來源：中國大學MOOC網《網絡爬蟲與信息提取課程》。

程序目的：獲取上交所和深交所的部分股票信息，輸出到文件。

讀懂以下程序需提前了解requests庫、BeautifulSoup庫和re庫，在《網絡爬蟲與信息提取課程》有提供相關知識。

import requests
from bs4 import BeautifulSoup
import re


def getHTMLText(url, code="utf-8"):
    try:
        r = requests.get(url)
        r.raise_for_status()
        r.encoding = code     # 直接指定用utf-8解碼
        return r.text
    except:
        return ""


def getStockList(lst, stockURL):
    html = getHTMLText(stockURL, "GB2312")    # 東方財富網用的是GB2312編碼
    soup = BeautifulSoup(html, 'html.parser')
    a = soup.find_all('a')[:200]    # 股票代碼在a標簽中的href屬性中。我們只取前100個a標簽
    for i in a:
        try:
            href = i.attrs['href']
            lst.append(re.findall(r"\d{6}", href)[0])
        except:
            continue


def getStockInfo(lst, stockURL, fpath):
    count = 0
    for stock in lst:
        url = stockURL + stock    # 每只股票的信息的鏈接
        html = getHTMLText(url)
        try:
            if html == "":
                continue
            infoDict = {}    # 每只股票的信息都存在字典中
            soup = BeautifulSoup(html, 'html.parser')
            stockInfo = soup.find('div', attrs={'class': 'stock-info'})
            name = stockInfo.find_all(attrs={'class': 'stock-name'})[0]
            infoDict.update({'股票名稱': name.text.split()[0]})   # .text可以取出標簽中的字符串
            keyList = stockInfo.find_all('dt')[:4]     # 只取股票的前4個信息
            valueList = stockInfo.find_all('dd')[:4]
            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當前進度: {:.2f}%".format(count * 100 / len(lst)), end="")   # \r表示返回到當前行的起始位置，打印的內容會覆蓋之前打印的內容
                                                                                     # 每次print之后，會自動換行。end用來取消自動換行。
        except:
            count = count + 1
            print("\r當前進度: {:.2f}%".format(count * 100 / len(lst)), end="")
            continue


def main():
    stock_list_url = 'https://quote.eastmoney.com/stock_list.html'   # 從東方財富網獲取每只股票的代碼
    stock_info_url = 'https://www.laohu8.com/stock/'                 # 從老虎社區網站獲取每只股票的信息
    output_file = '/Users/wangpeng/Desktop/BaiduStockInfo.txt'
    slist = []
    getStockList(slist, stock_list_url)
    getStockInfo(slist, stock_info_url, output_file)


main()

文件結果：