Python爬虫入门实例八之股票数据定向爬取并保存(优化版)

写在前面

  昨天在学习中国MOOC嵩天老师的课程时，到了股票信息的定向爬取实例，但是因为视频是两年前的了，而且例子中的很多网站也都不能再用了。所有今天写这篇文章分享一下我的采坑经历，并且为大家提供完整的代码供小伙伴们参考，下图是我爬取数据并保存在txt文件中的截图。

一、准备工作

  这一部分嵩天老师在课程中给出了详细的介绍，我整理并分享给大家。

1.功能描述

目标：获取上交所和深交所所有股票的名称和交易信息

输出：保存到文件中

技术路线：requests ­bs4­ re

2.候选数据网站的选择

新浪股票：http://finance.sina.com.cn/stock/(由于数据保存在js中，目前技术无法爬取)

百度股票：https://gupiao.baidu.com/stock/（网站已停止维护，链接不存在）

选取原则：股票信息静态存在于HTML页面中，而不是通过js代码生成，没有Robots协议限制。

选取方法：浏览器F12，源代码查看等。

选取心态：不要纠结于某个网站，多找信息源尝试。

3.程序的结构设计

步骤1：从东方财富网获取股票列表

步骤2：根据股票列表逐个到百度股票获取个股信息

步骤3：将结果存储到文件

4.本篇选取的数据网站

  经过我多次查找，反复比较，最终选定了股城网。股城网的页面结构和之前的百度股票很相似，所以在源代码上也更贴近嵩天老师的内容。

(1)网站链接

链接:https://hq.gucheng.com/gpdmylb.html

(2)网站内容

网站截图:

二、数据网站分析

  为了能够编写相应代码解析数据网站内容，我们必须要对数据网站的布局进行分析，去查看它的源代码。

1.股票列表的分析

  通过对股票列表源代码的分析，我们发现所有的股票代码都存放在a标签内的href当中，我们只要把他解析出来就可以获得相应的股票代码。

2.个股信息的分析

  这里我选取了平安银行(000001)股票进行其源代码的查看。通过对股票个股信息的分析，我们发现一只股票的全部信息封装在一个div标签下，它的属性名是stock_top clearfix。股票的名称封装在header 标签下，它的属性名是stock_title。再通过观察我们发现，所有的股票信息都存在dt和dd标签下，其中dt存储的是信息键的部分，dd存储的是信息值的部分，所以我们可以先用find_all()方法找到所有的键和值，然后构建键值对来表示并存储在字典中。

三、编程过程

1.使用到的库

import requests
from bs4 import BeautifulSoup
import  traceback
import re

2.获取页面(编写getHTMLText()函数)

def getHTMLText(url,code='UTF-8'):
    try:
        r = requests.get(url,headers=kv,timeout = 30)
        r.raise_for_status()
        #r.encoding = r.apparent_encoding
        r.encoding = code
        return r.text
    except:
        return ""

3.获取股票的信息列表(编写getStockList()函数)

def getStockList(lst,stockURL):#获得股票的信息列表
#第一个参数表示列表保存的列表类型，存储了所有股票的信息，第二个参数是获得股票列表的URL网站
    html = getHTMLText(stockURL,'UTF-8')
    soup = BeautifulSoup(html,'html.parser')#解析页面
    a = soup.find_all('a')#找到所有的a标签
    for i in a:
        try:
            href = i.attrs[