Python爬取了证券最新数据

抓取目标:

url:http://webapi.cninfo.com.cn/#/marketDataDate
数据目标: 获取 证券代码 证券简称 交易日期 开盘价 最高价 最低价 收盘价 成交数量
难点: 请求头参数mcode 加密生成

使用第三方库:

1. requests
2. execjs
3. js2py
4. math
5. time
6. pandas

工具:

1. 谷歌浏览器
2. pycharm
3. python3.7
   

页面分析:
进入页面，鼠标右击，选择检查 -> 弹出浏览器开发者工具 -> Netword -> 选择xhr -> 刷新页面

找到接口，观察接口数据情况:

此接口为post请求，需要提交两个表单参数。

代码片段:

url = 'http://webapi.cninfo.com.cn/api/sysapi/p_sysapi1015'
data = {
    'tdate': datetime,
    'scode': '399001'
}
headers = {
    'mcode': 'MTYzNTEzOTkxMQ==',
    'Referer': 'http://webapi.cninfo.com.cn/',
    'Cookie': 'Hm_lvt_489bd07e99fbfc5f12cbb4145adb0a9b=1634795282; Hm_lpvt_489bd07e99fbfc5f12cbb4145adb0a9b=1634799860',
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/95.0.4638.54 Safari/537.36'
}
response = requests.post(url, headers=headers, data=data).json()

请求成功, 但是有时效性的问题，等过了几分钟后，就无权限访问了，仔细观察发现特殊参数mcode。

开始JS找加密参数生成位置: (注意需要重新刷新页面，不然会出现没有js情况)

问题来了，好几个js文件，怎么确定那个是我们需要的?

使用第二种搜索方式，根据url的请求地址搜索:

打上断点后 直接刷新页面 开始调试

var indexcode={
    getResCode:function(){
        var time=Math.floor(new Date().getTime()/1000); return window.JSonToCSV.missjson(""+time);
    }
}

继续调试，看看这个missjson是干啥的。

下面把这些js扣下来执行

import requests
import execjs
import js2py
import math
import time
import pandas as pd
​
​
code_list = []
​
​
def MCODE():
    jscode = '''
    function missjson(input) {  
        var keyStr = "ABCDEFGHIJKLMNOP" + "QRSTUVWXYZabcdef" + "ghijklmnopqrstuv"   + "wxyz0123456789+/" + "=";  
        var output = "";  
        var chr1, chr2, chr3 = "";  
        var enc1, enc2, enc3, enc4 = "";  
        var i = 0;  
        do {  
            chr1 = input.charCodeAt(i++);  
            chr2 = input.charCodeAt(i++);  
            chr3 = input.charCodeAt(i++);  
            enc1 = chr1 >> 2;  
            enc2 = ((chr1 & 3) << 4) | (chr2 >> 4);  
            enc3 = ((chr2 & 15) << 2) | (chr3 >> 6);  
            enc4 = chr3 & 63;  
            if (isNaN(chr2)) {  
                enc3 = enc4 = 64;  
            } else if (isNaN(chr3)) {  
                enc4 = 64;  
            }  
            output = output + keyStr.charAt(enc1) + keyStr.charAt(enc2)  
                    + keyStr.charAt(enc3) + keyStr.charAt(enc4);  
            chr1 = chr2 = chr3 = "";  
            enc1 = enc2 = enc3 = enc4 = "";  
        } while (i < input.length);  
    
        return output;  
    } 
    
    '''
    time1 = js2py.eval_js('Math.floor(new Date().getTime()/1000)')
    # py方式
    a = math.floor(time.time() / 1000)
    mcode = execjs.compile(jscode).call('missjson', '{a}'.format(a=time1))
    return mcode
​
​
def PageRquest(datetime, mcode):
    # 接口可以换
    url = 'http://webapi.cninfo.com.cn/api/sysapi/p_sysapi1015'
    data = {
        'tdate': datetime, # 获取数据时间
        'scode': '399001'  # 股票代码 以及交易所简称
    }
    headers = {
        'mcode': str(mcode),
        'Referer': 'http://webapi.cninfo.com.cn/',
        'Cookie': 'Hm_lvt_489bd07e99fbfc5f12cbb4145adb0a9b=1634795282; Hm_lpvt_489bd07e99fbfc5f12cbb4145adb0a9b=1634799860',
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/95.0.4638.54 Safari/537.36'
    }
    response = requests.post(url, headers=headers, data=data).json()
    code = response['records']
    for i in code:
        code_list.append(i)
​
​
def main(date):
    mcode = MCODE()
    PageRquest(date, mcode)
​
​
if __name__ == '__main__':
    # main()
    # 数据分析 pandas 自动化办公的
    datetime = pd.period_range('2021/5/1', '2021/10/20', freq='B')
    for date in datetime:
        main(date)
    df = pd.DataFrame(code_list)
    df.to_excel('code.xlsx')