python爬取天天基金_【python】爬取天天基金网数据

[Python] 纯文本查看 复制代码import requests

import json

from time import time

from lxml import etree

import re

from random import sample

from time import sleep

np = 1

base = "http://fund.eastmoney.com/"

acount = 2

# 爬取排行页

headers = {

'User-Agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/53.0.2785.104 Safari/537.36 Core/1.53.4620.400 QQBrowser/9.7.13014.400'

}

url = "http://fund.eastmoney.com/data/rankhandler.aspx?op=ph&dt=kf&ft=all&rs=&gs=0&sc=zzf&st=desc&sd=2017-07-09&ed=2018-07-09&qdii=&tabSubtype=,,,,,&pi=1&pn=50&dx=1&v=0."

def IndexSpider(url, headers): #爬取第一个页面信息

url = url+str(int(time())) #这个主要是url最后一个值是v=数字,我就用时间戳来伪装了

rsp = requests.get(url, headers=headers).content

html = rsp.decode('utf-8')

url = url[:-10] #请求完了之后减掉加的时间戳,方面爬取下一页的时候重复操作

return html

def ChangeUrl(url): #改变url,pi代表的是页数,这样可以按顺序爬取相应页数的数据

global acount

url = url.replace("&pi=1", "&pi="+str(acount))

acount = acount+1

return url

def ChangeUrl_2(jijindaima): #我要爬取相应基金点开之后的页面的数据,分析可知是对应基金代码前面加上域名,后面加上.html

global base

jijindaima = jijindaima.replace('\"', '')

url_2 = base+jijindaima+'.html'

return url_2

def DetailRequest(url): #爬取点开那一页之后的数据

global np

url = url.replace('\"', '')

print(url)

print("正在爬取第{0}条记录".format(np))

np = np+1

re_leixing = re.compile('基金类型(.*?)')

re_jingli = re.compile('基金经理:')

re_chengliri = re.compile('

成 立 日:(.*?)')

rsp = requests.get(url, headers=headers).content

html = rsp.decode('utf-8')

leixing = re_leixing.findall(html)[0][-3:]

jingli = re_jingli.findall(html)[0][-2:]

chengliri = re_chengliri.findall(html)[0]

return jingli, leixing, chengliri

if __name__ == '__main__':

nw = 1

url2_detail = []

jijindaima_list = []

detail_url_list = []

with open('w.txt', 'a', encoding='utf-8') as f:

f.write("基金代码\t\t基金简称\t\t单位净值\t\t累计净值\t\t基金经理\t\t基金类型\t\t成立日\n")

for i in range(1, 32):

html = IndexSpider(url, headers=headers)

url = ChangeUrl(url)

right = html.find("]")

left = html.find("[")

html = html[left+1:right]

lists = html.split("\",\"")

for list in lists:

l = list.split(",")

jijindaima_list.append(l[0])

for i in jijindaima_list:

detail_url_list.append(ChangeUrl_2(i))

for i in detail_url_list:

url2_detail.append(DetailRequest(i))

with open('w.txt', 'a', encoding='utf-8') as f:

for list, l2 in zip(lists, url2_detail):

l = list.split(",")

f.writelines(l[0]+'\t\t'+l[1]+'\t\t'+l[4]+'\t\t'+l[5]+'\t\t'+l2[0]+'\t\t'+l2[1]+'\t\t'+l2[2]+'\n')

print('正在写入第{0}条记录……'.format(nw))

nw = nw+1

print("5秒后爬取下一页……")

sleep(5)

  • 0
    点赞
  • 0
    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