python爬虫企业数据_python爬取企业名录并入库

#!/usr/bin/env python2#-*-coding:utf-8-*-

'''@version: python2.7

@author: ‘zyjsuper‘

@license: Apache Licence

@software: PyCharm

@file: gettodb.py

@time: $2019-10-03 10:01'''

#导入需要使用到的模块

importurllibimportreimportpandas as pdimportpymysqlimportos#爬虫抓取网页函数

defgetHtml(url):

html=urllib.request.urlopen(url).read()

html= html.decode('utf-8')returnhtml#抓取网页股票代码函数

defgetStackCode(html):

s= r'

'pat=re.compile(s)

code=pat.findall(html)returncode#########################开始干活############################

Url = 'http://quote.eastmoney.com/stocklist.html' #东方财富网股票数据连接地址

filepath = '/Users/zyjsuper/Documents/data' #定义数据文件保存路径#实施抓取

code =getStackCode(getHtml(Url))#获取所有股票代码(以6开头的，应该是沪市数据)集合

CodeList =[]for item incode:if item[0] == '6':

CodeList.append(item)#抓取数据并保存到本地csv文件

for code inCodeList:print('正在获取股票%s数据' %code)

url= 'http://quotes.money.163.com/service/chddata.html?code=0' + code +\'&end=20161231&fields=TCLOSE;HIGH;LOW;TOPEN;LCLOSE;CHG;PCHG;TURNOVER;VOTURNOVER;VATURNOVER;TCAP;MCAP'urllib.request.urlretrieve(url, filepath+ code + '.csv')##########################将股票数据存入数据库###########################

#数据库名称和密码

name = 'cipuser'password= 'cippass' #替换为自己的账户名和密码#建立本地数据库连接(需要先开启数据库服务)

db = pymysql.connect('192.168.128.130', name, password, charset='utf8')

cursor=db.cursor()#创建数据库stockDataBase

#sqlSentence1 = "create database stockDataBase"#cursor.execute(sqlSentence1) # 选择使用当前数据库

sqlSentence2 = "use stockDataBase;"cursor.execute(sqlSentence2)#获取本地文件列表

fileName = ''data= ''fileList=os.listdir(filepath)#依次对每个数据文件进行存储

for fileName infileList:try:

data= pd.read_csv(filepath + fileName, encoding="gbk")#创建数据表，如果数据表已经存在，会跳过继续执行下面的步骤print('创建数据表stock_%s'% fileName[0:6])

sqlSentence3 = "create table stock_%s" % fileName[0:6] + "(日期 date, 股票代码 VARCHAR(10), 名称 VARCHAR(10),\

收盘价 float, 最高价 float, 最低价 float, 开盘价 float, 前收盘 float, 涨跌额 float, \

涨跌幅 float, 换手率 float, 成交量 bigint, 成交金额 bigint, 总市值 bigint, 流通市值 bigint)"cursor.execute(sqlSentence3)except:print('数据表已存在！')#迭代读取表中每行数据，依次存储(整表存储还没尝试过)

print('正在存储stock_%s' % fileName[0:6])

length=len(data)for i inrange(0, length):

record=tuple(data.loc[i])#插入数据语句

try:

sqlSentence4= "insert into stock_%s" % fileName[0:6] + "(日期, 股票代码, 名称, 收盘价, 最高价, 最低价, 开盘价, 前收盘, 涨跌额, 涨跌幅, 换手率, \

成交量, 成交金额, 总市值, 流通市值) values ('%s',%s','%s',%s,%s,%s,%s,%s,%s,%s,%s,%s,%s,%s,%s)" %record#获取的表中数据很乱，包含缺失值、Nnone、none等，插入数据库需要处理成空值

sqlSentence4 = sqlSentence4.replace('nan', 'null').replace('None', 'null').replace('none', 'null')

cursor.execute(sqlSentence4)except:#如果以上插入过程出错，跳过这条数据记录，继续往下进行

break

#关闭游标，提交，关闭数据库连接

cursor.close()

db.commit()

db.close()###########################查询刚才操作的成果##################################

#重新建立数据库连接

db = pymysql.connect('192.168.128.130', name, password, 'stockDataBase')

cursor=db.cursor()#查询数据库并打印内容

cursor.execute('select * from stock_600000')

results=cursor.fetchall()for row inresults:print(row)#关闭

cursor.close()

db.commit()

db.close()