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_encoding
        return r.text
    except:
        return ""
    
def getStockList(lst, stockURL):#获取股票列表
    html = getHTMLText(stockURL)
    soup = BeautifulSoup(html, 'html.parser')
    a = soup.find_all('a')#找a标签
    for i in a:
        try:
            href = i.attrs['href']
            lst.append(re.findall(r"[s][hz]\d{6}", href)[0])#上交所和深交所是有区别
        except:
            continue
        
def getStockInfo(lst, stockURL, fpath):#对每支股票都进行信息的爬取
    for stock in lst:
        url = stockURL + stock + ".html"#每支股票的url
        html = getHTMLText(url)
        try:
            if html=="":
                continue
            
            infoDict = {}
            soup = BeautifulSoup(html, 'html.parser')
            
            stockInfo = soup.find('div',attrs={'class':'stock-bets'})#利用正则表达式
            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:#写入文件
                f.write( str(infoDict) + '\n' )
        except:
            traceback.print_exc()
            continue
        
def main():
    stock_list_url = 'https://quote.eastmoney.com/stocklist.html'
    stock_info_url = 'https://gupiao.baidu.com/stock/'
    output_file = 'C:/BaiduStockInfo.txt'
    slist=[]
    getStockList(slist, stock_list_url)
    getStockInfo(slist, stock_info_url, output_file)
    
main()