原创 Python爬虫学习笔记(8)——股票数据爬虫

2017-11-11 17:01 1775 13 13 分类: 软件与OS

(一)

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

技术路线:requests-bs4-re


候选数据网站的选择

网站选取原则:

  • 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;


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;


(二)代码

import requests
from bs4 import BeautifulSoup
import traceback
import re

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

def getStockList(lst,stockURL):
html = getHTMLText(stockURL,'GB2312')
soup = BeautifulSoup(html,'html.parser')
a = soup.find_all('a')
for i in a:
try:
href = i.attrs['href']
lst.append(re.findall(r"[hz]\d{6}",href)[0])
except:
continue

def getStockInfo(lst,stockURL,fpath):
count = 0
for stock in lst:
url = stockURL + stock + ".html"
html = getHTMLText(url)
try:
if html == "":
continue
infoDict = {}
soup=BeautifulSoup(html,'html.parser')
stockInfo = soup.find('div',attrs={'class':'stock-bets'})

name = stockInfo.find_all(attrs={'class':'bets-name'})[0]
infoDict.update({'股票名称':name.text.split()[0]})

keyList = stockInfo.find_all('dt')
valueList = stockInfo.find_all('dd')
for i in range(len(keyList)):
key = keyList.text
val = valueList.text
infoDict[key] = val

with open(fpath,'a',encoding='utf-8') as f:
f.write(str(infoDict)+'\n')
count = count + 1
print("\r当前进度:{:.2f}%".format(count*100/len(lst)),end="")

except:
traceback.print_exc()
continue

def main():
stock_list_url = "http://quote.eastmoney.com/stocklist.html"
stock_info_url = "https://gupiao.baidu.com/stock/"
output_file = "H://BaiduStockInfo.txt"

slist=[]
getStockList(slist,stock_list_url)
getStockInfo(slist,stock_info_url,output_file)

main()  




文章评论0条评论)

登录后参与讨论
相关推荐阅读
LoneSurvivor 2018-02-25 08:26
C++输入/输出流(2)
1. get()函数#include<iostream>using namespace std;int main(){    char s1[80], s2[...
LoneSurvivor 2018-02-23 12:19
C++输入/输出流(1)
1. 输入/输出流类层次 C++的输入/输出流类库是用派生方法建立起的,它有2个平行的基类,streambuf和ios。其他的流类都是从这两个基类直接或间接派生的。1.1  ...
LoneSurvivor 2018-02-19 11:36
C++多态(4)——特殊运算符重载和类类型转换
1.“++”和“--”的重载     运算符“++”和“--”的重载要区分前置和后置两种形式。如果不区分前置和后置,则使用operator++()或operator—()即可...
LoneSurvivor 2018-02-12 11:15
C++多态(3)——运算符重载
1.     运算符重载的定义     运算符重载也是实现多态的一个重要手段。运算符重载实现的是编译时的多态,即静态多态性。C++预...
LoneSurvivor 2018-02-12 10:31
C++多态(2)——纯虚函数与抽象类
   抽象类是一种特殊的类,它提供了统一的操作界面。建立抽象类是为了多态地使用抽象类的成员函数。抽象类是包含纯虚函数的类。 1.    ...
LoneSurvivor 2018-02-11 16:24
C++多态(1)
1.     多态      多态是人类思维方式的一种直接模拟,多态性是指不同对象接收到相同的消息时,根据对象类的不同而产...
我要评论
0
13
1
2
3
4
5
6
7
8
9
0
关闭 热点推荐上一条 /4 下一条