233day（股票数据定向爬虫）

最新推荐文章于 2024-10-22 22:41:52 发布

原创最新推荐文章于 2024-10-22 22:41:52 发布 · 250 阅读

0 ·

CC 4.0 BY-SA版权

本文介绍了一种利用Python从东方财富网获取股票列表，并通过百度股票API抓取详细股票信息的方法。该爬虫分为三个步骤：获取股票列表、抓取个股信息及存储数据。

《2018年5月31日》【连续233天】

标题：股票数据定向爬虫；

内容：

1.东方财富网：http://quote.eastmoney.com/stocklist.html

2.百度股票：https://gupiao.baidu.com/stock/

步骤一：从东方财富网获取股票列表；

步骤二：根据股票列表逐步到百度股票获得个股信息；

步骤三：将结果储存到文件；

代码：

import requests
from bs4 import BeautifulSoup
import traceback
import re

def getHTMLText(url,code='utf-8'):
    try:
        r =requests.get(url,timeout = 30)
        r.raise_for_status()
        r.encoding=code
        return r.text
    except:
        return ""

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']
            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'})

            name =stockInfo.find_all(attrs={'class':'bets-name'})[0]
            infoDict.update({'股票名称':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当前速度:{:.2f}%'.format(count*100/len(lst)),end="")
        except:
            count+=1
            print('\r当前速度:{:.2f}%'.format(count*100/len(lst)),end="")
            continue
        
def main():
    stock_list_url ='http://quote.eastmoney.com/stocklist.html'
    stock_info_url ='https://gupiao.baidu.com/stock/'
    output_file ='D://BaiduStcokInfo.txt'
    slist=[]
    getStockList(slist,stock_list_url)
    getStockInfo(slist,stock_info_url,output_file)

main()

效果：

还在跑。