【开源】C#.NET股票历史数据采集，【附18年历史数据和源代码】
本文的初衷是数据分析(分析结果就不说了，就是想看看筛选点数据)，只不过搞下来发现比我想象的要简单多了。本文采集的数据是：2000年到2018年2月份，上证和深证交易所所有的上市股票交易数据，按天采集，不是小时哦，有兴趣的朋友，可以稍微改造，做到实时(这和我就无关了)
如果用知乎,可以关注专栏:.NET开源项目和PowerBI社区
重点重点：我没有买股票，没有买股票，股市是个坑，小心割韭菜哦。
本文的初衷是数据分析(分析结果就不说了，就是想看看筛选点数据)，只不过搞下来发现比我想象的要简单多了。本文采集的数据是：2000年到2018年2月份，上证和深证交易所所有的上市股票交易数据，按天采集，不是小时哦，有兴趣的朋友，可以稍微改造，做到实时（这和我就无关了）。
.NET开源文章目录：本博客.NET开源项目文章目录
本文原文地址：【开源】C#.NET股票历史数据采集，【附18年历史数据和源代码】
1.数据采集需求
原始需求：想分析某些股票的历史天交易数据里面满足某些条件的股票。
初步分析：需要股票的基础数据，如名称，编码，交易所等信息，然后就是每天的开票收盘的价格，涨幅等信息。
以为很简单，起始搞起来越滚越大，刚开始以为2个表就够了，没想到搞来搞去，有6个表了。
还好，我们有强大的XCode组件，数据库设计，开发都极其简单，总共零零散散也就10个小时不到就完工了。主要的时间不是写代码，其实60%的时间都是在找资料，分析接口和想怎么设计上面，以及跑数据，还好源数据都保存下来了，重写跑起来很快。
2.股市数据接口
很早以前，有朋友也想让我给给他采集股票实时数据，而且用的是商业接口，由于时间匆忙，而且对股票一无所知，所以就拒绝了。
这次开工之前，心里也很忐忑，会不会很复杂，反正是自己想玩和想看，所以抱着试一试的心态，没想到比我想的要简单很多。
首先，我们得找到数据来源，否则一切无从谈起，而且我需要的是历史数据，对数据实时性要求不高：
此处。。。。。。。。。。。。省略1万字，因为搜索和找了很多资源，最终用的是下面的接口，简单，实测速度快，18年的数据不到20分钟刷刷刷搞下来了。
2.1 股票基础数据
股票基础数据我用的是这个网址：http://quote.eastmoney.com/stocklist.html
里面包括了上证和深圳交易所的所有股票代码信息，只需要直接采集即可，速度很快。
如果要做实时，每天更新一次即可，注意：我开始也没注意，股票代码有很多含义，除了交易所之外，还有啥创业板，基金之类的，我没仔细研究，我只把我需要的类型进行了标记。可以在这里看看代码的一些类型：https://baike.so.com/doc/4974613-5197406.html
股票基础数据结构比较简单：
编码（唯一），名称，交易所，类型1是要分析 ，0是暂时忽略的，上市日期
2.2 股票历史天数据
股票历史天数据刚开始想应该很大，找了一些结构才发现，基本每天的主要指标也就10个字段左右，计算一下，每只股票就算20年，也就6000条而已。
即使10000支股票，最多也就6000万而已，所以刚开始的时候直接全部撸到一个表里面了，实际上后面在分析的时候，极其不合理。分析的比较很复杂，搜索非常慢，所以后来我把历史数据进行了拆分，然后分析的时候多线程，速度瞬间提升10倍。由于XCode组件天生对分表分库和数据库反向工程的支持，所以开发起来非常快。
股票历史数据找了很多，最早用的是搜狐的一个接口：http://www.cnblogs.com/ldlchina/p/5392670.html
它的格式很简单，拼接股票代码和起始结束日期即可，后来还发现它还能查询指数信息：
http://q.stock.sohu.com/hisHq?code={code}&start={start}&end={end}，{code}替换为股票代码，大陆股票代码加前缀cn_。
返回的json格式很标准，使用了Newlife组件的JsonParser类，轻松搞定。根据返回的数据信息，找了几支股票核对一下，就知道其意义了。在后面的数据库设计中会详细描述。说明:采集的时候我是先用临时表统一把返回的结果保存，防止程序有bug，下次又去请求，浪费人家的流量。也是保存在sqlite数据库。
2.3 其他附加
在后面分析的时候，我还用到了板块信息，相当于给每支股票加一个类型，属于什么板块，这样分析的时候有针对性。板块有类型，然后每个类型下面又有一些股票代码，有2个表，数据来源也是搜狐的：
http://q.stock.sohu.com/cn/bk.shtml
当然如果还要做复杂和完善一点，还有很多数据要采集，比如公司的一些基本信息，我暂时没有用到，后面我会把代码开源，大家随意折腾。
3.数据库设计
数据库设计我们采用XCode开发的设计规范，都用xml文件，可以自动生成实体类，后面有时间我会针对XCode写一篇开发实践的文章，再一次带大家温习了XCode，在这里感谢@大石头，10多年码农，X组件博大精深，极大的提高了开发效率，简单，简单，简单到你有时候怀疑人生。
1.股票基础信息
<Table Name="StockBaseInfo" Description="股票基础信息" ConnName="stock_base"> <Columns> <Column Name="Code" DataType="String" PrimaryKey="True" Description="股票编码" /> <Column Name="Name" DataType="String" Master="True" Description="名称" /> <Column Name="Exchange" DataType="String" Description="交易所" /> <Column Name="Kind" DataType="Int32" Description="类型。1是要分析股票，0是暂时不分析" /> <Column Name="StartDate" DataType="DateTime" Description="上市日期" /> <Column Name="CreateDate" DataType="DateTime" Description="创建时间" /> </Columns> <Indexes> <Index Columns="Name" /> <Index Columns="StartDate" /> </Indexes> </Table>
2.股票历史日数据
其实在项目代码的xml文件表结构中，还有一个历史信息，就是一次性获取所有历史Json文本存储，避免重复抓取Json数据。结构很简单，就不贴了。
<Table Name="StockDayData" Description="股票日数据" ConnName="stock_day"> <Columns> <Column Name="ID" DataType="String" PrimaryKey="True" Description="编号。code+日期" /> <Column Name="Code" DataType="String" Description="股票编码" /> <Column Name="StatDate" DataType="DateTime" Description="数据日期" /> <Column Name="StartPrice" DataType="Double" Description="开盘价格" /> <Column Name="EndPrice" DataType="Double" Description="收盘价格" /> <Column Name="ChangePrice" DataType="Double" Description="涨跌金额" /> <Column Name="ChangeRatio" DataType="Double" Description="涨跌幅度" /> <Column Name="LowPrice" DataType="Double" Description="最低价格" /> <Column Name="HighPrice" DataType="Double" Description="最高价格" /> <Column Name="TotalHand" DataType="Int32" Description="总手" /> <Column Name="TotalAmount" DataType="Double" Description="总金额(万)" /> <Column Name="HandRate" DataType="Double" Description="换手率" /> <Column Name="UpdateDate" DataType="DateTime" Description="更新日期" /> </Columns> </Table>
3.板块分类和股票板块信息
<Table Name="GroupKind" Description="板块分类" ConnName="stock_base"> <Columns> <Column Name="ID" DataType="String" PrimaryKey="True" Description="编码。url相关" /> <Column Name="Name" DataType="String" Master="True" Description="板块名称" /> <Column Name="Kind" DataType="String" Description="分类。1.行业，2地域，3.概念" /> <Column Name="Total" DataType="Int32" Description="总数" /> <Column Name="CreateDate" DataType="DateTime" Description="创建时间" /> </Columns> <Indexes> <Index Columns="Kind" /> <Index Columns="Name" /> </Indexes> </Table> <Table Name="StockGroup" Description="股票板块信息" ConnName="stock_base"> <Columns> <Column Name="ID" DataType="String" PrimaryKey="True" Description="编号。groupid+stockid" /> <Column Name="GroupID" DataType="String" Description="板块ID" /> <Column Name="Kind" DataType="String" Description="分类。1.行业，2地域，3.概念" /> <Column Name="Code" DataType="String" Description="股票代码" /> <Column Name="StockName" DataType="String" Description="股票名称" /> <Column Name="CreateDate" DataType="DateTime" Description="创建时间" /> </Columns> <Indexes> <Index Columns="GroupID" /> <Index Columns="Code" /> </Indexes> </Table>
4.关键信息采集
下面我们把数据采集过程简单分析一下，然后把源代码和数据库共享给大家。套路很简单，熟悉起来很快就可以搞定。
我的博客中，前几年，写过好几篇关于C#数据采集的方法，套路都比较通用，主要是：HtmlAgilityPack + XCode
C#+HtmlAgilityPack+XPath带你采集数据(以采集天气数据为例子)
【开源】分享2011-2015年全国城市历史天气数据库【Sqlite+C#访问程序】
HtmlAgilityPack是.NET 下的一个强大的HTML 解析类库，支持用 XPath 。配合上自带的HAPExplorer，很快就可以解决问题。
具体使用可以参考上面2篇文章，下面我们也会上实际代码。
4.1 基础数据采集
先打开http://quote.eastmoney.com/stocklist.html右键，源代码，获取完整的HTML代码，用HAPExplorer工具找到上海和深圳列表的位置，如下图：
我们发现上海和深圳交易所的列表分别在下面位置：
/html[1]/body[1]/div[9]/div[2]/div[1]/ul[1] /html[1]/body[1]/div[9]/div[2]/div[1]/ul[2]
还往下一个层级就是li标签列表，在HtmlAgilityPack中有现成的方法获取整个列表，并进行解析，如下面代码：
/// 获取所有股票代码和名称基础信息
public static void ReadAllStockBaseInfo()
{
//上海：/html[1]/body[1]/div[9]/div[2]/div[1]/ul[1]
//下级是li列表 ，Text值就是股票名称和代码 XXX()
//深圳：上海：/html[1]/body[1]/div[9]/div[2]/div[1]/ul[2]
string url = @"http://quote.eastmoney.com/stocklist.html";
HtmlWeb htmlweb = new HtmlWeb();
htmlweb.OverrideEncoding = Encoding.GetEncoding(936);
HtmlDocument doc = htmlweb.Load(url);
Dictionary<string, string> dic = new Dictionary<string, string>()
{
{"上海",@"/html[1]/body[1]/div[9]/div[2]/div[1]/ul[1]" },
{"深圳",@"/html[1]/body[1]/div[9]/div[2]/div[1]/ul[2]" }
};
#region 获取
Dictionary<String, StockBaseInfo> list = new Dictionary<string, StockBaseInfo>();
foreach (var item in dic)
{
//获取所有子节点
var res = doc.DocumentNode.SelectSingleNode(item.Value).SelectNodes(@"li");
if (res.Count > 0)
{
foreach (var node in res)
{
//获取名称和代码
var name = node.InnerText.Trim();
if (name.IsNullOrEmpty()) continue;
var str = name.Split('(', ')');
if (str.Length < 2) continue;
StockBaseInfo et = new StockBaseInfo()
{
Code = str[1],
Name = str[0],
Exchange = item.Key,
StartDate = new DateTime(2000, 1, 1),
CreateDate = DateTime.Now
};
if(!list.ContainsKey(et.Code))
{
list.Add(et.Code,et);
}
}
}
}
list.ToValueArray().Insert(true);
#endregion
}
获取到子节点后，解析名称，然后用批量Insert到数据库。
用XCode默认都是使用Sqlite数据库，轻量级，非常方便，数据库表结构都是自动新建。
4.2 股票历史数据
我们使用2.2节中提到的接口，如下，配合前面采集到的所有股票基础数据，就可以便利进行历史数据抓取了，说一下，这个接口很给力，速度相当快。我是从2000年1月1日开始采集的，截止时间是2018年2月10日（放假闲的你懂的）。历史json数据按股票ID单独保存，后面写了一个转换程序单独从历史数据库转换即可。
http://q.stock.sohu.com/hisHq?code={code}&start={start}&end={end}，{code}替换为股票代码，大陆股票代码加前缀cn_。
这里对老司机来说，其实没多少难度，就是拼接URL，请求获取json数据，然后解析json格式，我解析用了Newlife的JsonParser，用起来很简单有空我单独讲一下，就是把Json用字典和List<Object>保存下来，知道结构后，直接强制转换和取值即可。上代码：
public static void GetHistoryFromWeb(string stockCode, DateTime start, DateTime end,string type="cn")
{
string url = @"http://q.stock.sohu.com/hisHq?code={3}_{0}&start={1}&end={2}".F(stockCode, start.ToString("yyyyMMdd"),
end.ToString("yyyyMMdd"),type);
WebClientX client = new WebClientX();
client.Timeout = 1000 * 120;
var text = client.GetHtml(url);
var doc = new HtmlDocument();
doc.LoadHtml(text);
var value = doc.DocumentNode.InnerText;
var et = new StockHisText()
{
Code = stockCode,
Start = start,
End = end,
HisText = value
};
try
{
if (type == "zs") et.Code = "{0}_{1}".F("Index",et.Code);//加前缀区分
et.Insert();
}
catch(Exception err)
{
XTrace.WriteException(err);
}
}
上面是获取单个股票其指定日期范围内的历史数据，直接到历史表，下面是解析部分，外面套的循环就不贴代码了，可以下载源代码看。
public static void PraseHistoryData()
{
var all = FindAll();
int index = 1;
Parallel.For(0, all.Count, new ParallelOptions() { MaxDegreeOfParallelism = 1 }, i =>
{
XTrace.WriteLine("进度:{0}/{1}",index ++,all.Count);
#region 单个文本解析
JsonParser jp = new JsonParser(all[i].HisText);
var decode = (List<object>)jp.Decode();
if (decode.Count < 1) return;
var main = (Dictionary<string, object>)decode[0];//字典
if (main.ContainsKey("hq"))
{
var obj = (List<object>)main["hq"];
if (obj.Count > 0)
{
List<StockDayData> res = new List<StockDayData>();
foreach (var item in obj)
{
#region 单条记录解析
//item是一个10个元素的数组
//日期，今开价格，今天收盘价格，涨跌金额，涨跌幅度，最低价格，最高价格，总手，总金额(万)，换手率
//"2018-02-09", "31.46", "31.46", "2.86", "10.00%", "31.46", "31.46", "303", "95.32", "0.15%"
var list = (List<object>)item;
StockDayData sd = new StockDayData()
{
Code = all[i].Code,
StatDate = list[0].ToDateTime(),
StartPrice = list[1].ToDouble(),
EndPrice = list[2].ToDouble(),
ChangePrice = list[3].ToDouble(),
ChangeRatio = ((string)list[4]).Replace("%", "").ToDouble(),
LowPrice = list[5].ToDouble(),
HighPrice = list[6].ToDouble(),
TotalHand = list[7].ToInt(),
TotalAmount = list[8].ToDouble(),
HandRate = ((string)list[9]).Replace("%", "").ToDouble(),
UpdateDate = DateTime.Now
};
sd.ID = "{0}_{1}".F(sd.Code, sd.StatDate.ToString("yyyyMMdd"));
#endregion
res.Add(sd);
}
res.Save(true);
}
}
#endregion
});
}
我的代码里面有直接把历史数据解析分库存储的，方法在 股票历史文本数据.Biz.cs 文件的，PraseHistoryDataV2方法中。分库方法非常简单，保存之前修改一下链接即可。
5.源代码和数据库
代码很简单丑陋，不要吐槽，代码如下：https://github.com/asxinyu/Stock (兄台，搞点数据不容易，点个赞或者给个Star一下吧)
基础数据Sqlite数据库：https://pan.baidu.com/s/1qZJIy8s，密码：61e3
2000年到2018年历史Json源数据：https://pan.baidu.com/s/1jIY70bG，密码：cmpw
2000年到2018年日历史数据Sqlite文件：https://pan.baidu.com/s/1eTxcjdC 密码：ujbn
Sqlite很好玩，强烈推荐工具，navicat，可以去CSDN找一个破解版下载玩玩。
.NET数据挖掘与机器学习，作者博客: http://www.cnblogs.com/asxinyu
E-mail:1287263703@qq.com
