目标:获取上交所和深交所所有的股票名称和交易信息
输出:保存到文件中
候选数据网站选择:
新浪股票:http://stock.finance.sina.com.cn/stock/
百度股票:https://gupiao.baidu.com/stock/
候选网站的选择原则:股票信息静态存在于HTML页面上,非js代码生成,没有Robots协议限制
这里我们可以通过查看网页源代码来确认股票信息
我们不要纠结于某个网站,多找信息源尝试
这里经过比较发现,百度股票更适合我们进行爬取,可是我们并没有上交所和深交所的所有股票的列表,所有这里我们可以通过东方财富网来获取所有的股票列表信息
这里我们发现每支股票的链接都与股票号码对应
具体步骤:
1.从东方财经网获取股票列表
2.根据股票列表逐个到百度股票获取个股信息
3.将结果存储到文件
import requests
from bs4 import BeautifulSoup
import traceback
import re
def getHTMLText(url):
try:
r = requests.get(url)
r.raise_for_status()
r.encoding = r.apparent_encod