爬虫实战 | 爬取东方财富网股票数据_东方财富爬虫触发反爬虫机制-优快云博客

本文转载来自：公众号志斌的python笔记

今天有个朋友说，他想做个关于股票的可视化网页，但是缺乏股票的数据，想让志斌帮他做个爬虫来每天获取数据。所以我将它写成一个实战案例，供大家一起参考学习！

1.页面分析

此次我们获取数据的网站是东方财富网！

首先我们按F12打开开发者模式，对name里面的网页进行观察，发现数据是以jQuery加载进网页的，每次加载20个数据，如图：

我们已经发现单页数据存储的方式了，现在我们来看一下各页URL之间的联系，如图：

从图中我们可以清楚的发现，每翻一页，pn的参数增加1，所以我们构建URL时，只需让params中的pn参数循环，即可批量对网页发起访问请求，代码如下：

for page in range(1,50):
   params = (
       ('cb', 'jQuery1124031167968836399784_1615878909521'),
       ('pn', str(page)),
       ('pz', '20'),
       ('po', '1'),
       ('np', '1'),
       ('ut', 'bd1d9ddb04089700cf9c27f6f7426281'),
       ('fltt', '2'),
       ('invt', '2'),
       ('fid', 'f3'),
       ('fs', 'm:0 t:6,m:0 t:13,m:0 t:80,m:1 t:2,m:1 t:23'),
       ('fields', 'f1,f2,f3,f4,f5,f6,f7,f8,f9,f10,f12,f13,f14,f15,f16,f17,f18,f20,f21,f23,f24,f25,f22,f11,f62,f128,f136,f115,f152'),
   )

2.获取数据

上面我们已经将网页的URL之间的联系和数据存储分析好了，下面我们就可以开始对数据进行获取了。

在上面对网页进行分析时，我们感觉这个网页存储数据是json格式的，其实不是，它前面多了一些脏数据，如图：

我们如果想用json来将数据进行解析的话，就必须将这些脏数据去掉。

当然我们也可以用另一种方法来解决这个问题，就是将数据转化成字符串的形式，然后用正则表达式将目标数据提取出来。代码如下：

daimas = re.findall('"f12":(.*?),',response.text)
names = re.findall('"f14":"(.*?)"',response.text)
zuixinjias = re.findall('"f2":(.*?),',response.text)
zhangdiefus = re.findall('"f3":(.*?),',response.text)
zhangdiees = re.findall('"f4":(.*?),',response.text)
chengjiaoliangs = re.findall('"f5":(.*?),',response.text)
chengjiaoes = re.findall('"f6":(.*?),',response.text)
zhenfus = re.findall('"f7":(.*?),',response.text)
zuigaos = re.findall('"f15":(.*?),',response.text)
zuidis = re.findall('"f16":(.*?),',response.text)
jinkais = re.findall('"f17":(.*?),',response.text)
zuoshous = re.findall('"f18":(.*?),',response.text)
liangbis = re.findall('"f10":(.*?),',response.text)
huanshoulvs = re.findall('"f8":(.*?),',response.text)
shiyinglvs = re.findall('"f9":(.*?),',response.text)

3.数据存储

在之前的文章中，我们关于数据存储的各种方式已经介绍的很清楚了，这里我们就不在过多介绍了，此次才用Excel文件来对数据进行存储，代码如下：

wb = openpyxl.Workbook()
sheet = wb.active
sheet['A1'] = '代码'
sheet['B1'] = '名称'
sheet['C1'] = '最新价'
sheet['D1'] = '涨跌幅'
sheet['E1'] = '涨跌额'
sheet['F1'] = '成交量'
sheet['G1'] = '成交额'
sheet['H1'] = '振幅'


for i in range(20):
   sheet.append([daimas[i],names[i],zuixinjias[i],zhangdiefus[i],zhangdiees[i],
                 chengjiaoliangs[i],chengjiaoes[i],zhenfus[i],zuigaos[i],zuidis[i],
                 jinkais[i],zuoshous[i],liangbis[i],huanshoulvs[i],shiyinglvs[i]])

让我们来看看最终效果：