爬取上交所信息

最新推荐文章于 2024-04-01 14:44:30 发布

amcomputer

最新推荐文章于 2024-04-01 14:44:30 发布

阅读量3.5k

点赞数 4

CC 4.0 BY-SA版权

分类专栏： Python网络爬虫文章标签：爬取上交所信息上交所上交所爬虫

本文链接：https://blog.youkuaiyun.com/qq_39463175/article/details/98254225

Python网络爬虫专栏收录该内容

5 篇文章

订阅专栏

当遇到JS渲染时，很难找到正确的url，上交所就是一个比较典型的例子。在doc和xhr也没找到入口，最后在js中找到。成功以后即可进行后面数据爬取和分析。数据可视化部分下周抽时间写，最近在公司写Java爬虫，做信贷方面大数据分析，对爬虫归类和识别正确的入口很重要，其次就是总页数，下一页，解析页（自己写来玩就没必要了）。这样做的目的可以在框架下产生大量爬虫，在加上批处理，很吓人。

找到对应js后，查看请求头里面的url,

# -*- coding: utf-8 -*-
"""


@author: yyl
"""

import requests
from urllib.parse import quote
import time
from random import sample,choice

  
    
headers = {
    'User-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/51.0.2704.106 Safari/537.36',
    'Referer': 'http://www.sse.com.cn/assortment/stock/list/share/'
}

#请求页面
def requests_one_page(url,parmas):
    try:
        
        r = requests.get(url, headers=headers)
        print(r.text)
    except:
        print("error")
        
       



def main():
   

    url = "http://query.sse.com.cn/security/stock/getStockListData2.do?&jsonCallBack=jsonpCallback59522&isPagination=true&stockCode=&csrcCode=&areaName=&stockType=1&pageHelp.cacheSize=1&pageHelp.beginPage=1&pageHelp.pageSize=25&pageHelp.pageNo=1&_=1564755528542"
    

    parmas = {'callback': 'fetchJSON_comment98vv402',
          'productId': '100003671742', 
          'score': '0',
          'sortType': '5',
          'page': '0', 
          'pageSize': '10',
          'isShadowSku': '0',
          'fold': '1',

          'jsonCallBack': 'jsonpCallback59522',
               'isPagination':'true',
               'pageHelp.cacheSize': '1',
               'pageHelp.beginPage': '1',
               'pageHelp.pageSize': '25',
               'pageHelp.pageNo': '1',
               '_': '1564755528542'
              }

    requests_one_page(url,parmas)
   

if  __name__=="__main__":
    #main()
    s=time.time()
    main()
    e=time.time()
    print("完成！！时间为：{}".format(e-s))