Python——股票数据定向爬虫（requests+bs4+re）

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