股票数据定向爬虫

功能描述

• 目标:获取上证A股股票名称和交易信息
• 输出:保存到文件中
• 技术路线:requests + ­bs4­ + re
此处选取股票信息静态存储在HTML页面中的页面进行爬取

程序结构设计

(1)首先得到股票代码,此处选取证券之星获得上证A股股票代码
(2)根据股票列表逐个到网易财经获取个股详细信息
(3)将结果存储到文件

代码实现

import re
import time
import traceback

import requests
from bs4 import BeautifulSoup as bs


# 获取网页html文本
def getHTMLText(url):
    try:
        kv = {
            'user-agent': 'Mozilla/5.0'
        }
        r = requests.get(url, headers=kv, timeout=30)
        r.raise_for_status()
        r.encoding = r.apparent_encoding
        return r.text
    except:
        return ""


# 获取股票代码数据存进列表中
def getStockList(lst, stockURL):
    html = getHTMLText(stockURL)
    soup = bs(html, 'html.parser')
    ul = soup.find('ul', attrs={"id": "index_data_0"})
    for a in ul('a'):
        try:
            href = a.attrs['href']
            stockCode = re.search(r'\d{6}', href).group(0)
            if stockCode and stockCode not in lst:
                lst.append(stockCode)
        except:
            continue


# 获取列表中每支股票的详细信息并存入文本文档
def getStockInfo(lst, stockURL, fpath):
    with open(fpath, 'w', encoding='utf-8') as obj:
        obj.write('')

    count = 0
    for stock in lst:
        url = stockURL + '0' + stock + '.html'
        html = getHTMLText(url)
        try:
            if html == '':
                continue
            infoDict = {}
            soup = bs(html, 'html.parser')
            div = soup.find('div', attrs={'class': 'relate_stock clearfix'})
            script = div('script')
            info = script[0].string.strip().split(',')
            infoDict['股票名称'] = eval(re.search(r'name\: \'.*\'', info[0]).group(0).split(':')[1])
            infoDict['股票代码'] = eval(re.search(r'code\: \'\d{6}\'', info[1]).group(0).split(":")[1])
            infoDict['现价'] = eval(re.search(r'price\: \'.*\'', info[2]).group(0).split(":")[1])
            infoDict['涨跌幅'] = re.search(r'change\: \'.*%', info[3]).group(0).split("'")[1]
            infoDict['昨收'] = eval(re.search(r'yesteday\: \'.*\'', info[4]).group(0).split(":")[1])
            infoDict['今开'] = eval(re.search(r'today\: \'.*\'', info[5]).group(0).split(":")[1])
            infoDict['最高'] = eval(re.search(r'high\: \'.*\'', info[6]).group(0).split(":")[1])
            infoDict['最低'] = eval(re.search(r'low\: \'.*\'', info[7]).group(0).split(":")[1])

            with open(fpath, 'a', encoding='utf-8') as obj:
                obj.write(str(infoDict) + '\n')
                count += 1
                print("\r当前进度:{:.2f}%".format(count * 100 / len(lst)), end="")
        except:
            traceback.print_exc()
            print("\r当前进度:{:.2f}%".format(count * 100 / len(lst)), end="")
            continue


def main():
    tick1 = time.time()
    stock_list_url = "http://quote.stockstar.com/stock/stock_index.htm"
    stock_info_url = "http://quotes.money.163.com/"
    outputPath = 'F:\\PythonCrawler\\study\\re\\stockData.txt'  # 此处需要修改成你自己的存储位置
    slist = []
    getStockList(slist, stock_list_url)
    getStockInfo(slist, stock_info_url, outputPath)
    tick2 = time.time()
    interval = tick2 - tick1
    if interval > 60:
        print("\n程序运行了{0:.2f}分钟".format(interval / 60))
    else:
        print("\n程序运行了{0:.2f}秒".format(interval))


main()

如果需要将代码复制到本地测试,一定要将存储地址改为你自己的存储地址。最后PS:该程序由于使用的bs4,所以爬取速度会较慢,亲测爬完一千多支股票花了40多分钟

  • 5
    点赞
  • 14
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值