爬取股票信息的代码（requests,re)

#CrawBaiduStocksB.py
import requests
from bs4 import BeautifulSoup
import traceback #用来追踪异常访问信息
import re

def getHTMLText(url, code="utf-8"): #从html中获取文本
    try:
        r = requests.get(url) #请求目标网站 返回response类型
        r.raise_for_status() #判断网络连接的状态
        r.encoding = code # 是code类型的编码方式。
   #注：r.encoding是从HTTP协议头部获得的编码方式 r.appparent_encoding是从Response内容中分析出的编码方式
        return r.text  #返回文本
    except:
        return ""

def getStockList(lst, stockURL):
    html = getHTMLText(stockURL, "GB2312") #东方财富网是gb2312编码 是汉字编码字符集
    soup = BeautifulSoup(html, 'html.parser') #用bf解析html
    a = soup.find_all('a')#通过标签'a'查找所有对象内容
    for i in a:
        try:
            href = i.attrs['href'] # 提取href：后面的内容
            lst.append(re.findall(r"[s][hz]\d{6}", href)[0]) #匹配正则表达式，并取列表的第一个
        except:
            continue

def getStockInfo(lst, stockURL, fpath):
    count = 0
    for stock in lst:
        url = stockURL + stock + ".html" #各股的html地址
        html = getHTMLText(url)#百度股票是utf-8编码，所以不需要传第二个参数了
        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 = count + 1
                print("\r当前进度: {:.2f}%".format(count*100/len(lst)),end="")
                # \r的作用是光标回到该行的头部。 end=""的作用是不换行
        except:
            count = count + 1
            print("\r当前进度: {:.2f}%".format(count*100/len(lst)),end="")
            continue

def main():
    stock_list_url = 'https://quote.eastmoney.com/stocklist.html' #获取各股名字的网页
    stock_info_url = 'https://gupiao.baidu.com/stock/' #发布股票信息的，链接的主体部分
    output_file = 'D:/BaiduStockInfo.txt' #输出文件
    slist=[] #创建空列表 stocklist
    getStockList(slist, stock_list_url)  #获得名字清单的函数，参数是列表和网页地址
    getStockInfo(slist, stock_info_url, output_file)

main()