目录
三、“股票数据定向爬虫”实例
1、“股票数据定向爬虫”实例介绍
(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
①新浪股票:http://finance.sina.com.cn/stock/。
②百度股票:https://gupiao.baidu.com/stock/。
备注:原来的百度股票网页链接已失效;故更改为https://so.cfi.cn/so.aspx?txquery=。原来的东方财富网网页链接已无法爬取数据;故更改为http://quote.eastmoney.com/stock_list.html#sh。
选取原则:股票信息静态存在于HTML页面中,非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。
2、“股票数据定向爬虫”实例编写
# “股票数据定向爬虫”实例编写
# 错误
import requests
from bs4 import BeautifulSoup
import traceback
import re
def getHTMLText(url):
try:
r = requests.get(url, timeout=30)
r.raise_for_status()
r.encoding = r.apparent_encoding
return r.text
except:
return ""
def getStockList(lst, stockURL):
html = getHTMLText(stockURL)