010 Python网络爬虫与信息提取 股票数据定向爬虫

[A]股票数据定向爬虫实例介绍

　　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

　　候选网站：

　　　　1. 新浪股票：https://finance.sina.com.cn/

　　　　2. 百度股票：https://gupiao.baidu.com/stock/

　　候选网站选取：

　　　　选取原则：互票信息静态的存储于HTML页面中，而非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

　　　　选取心态：不纠结于某个网站，多找信息源尝试

　　 程序设计

　　　　步骤1：从东方财富网获取股票信息列表

　　　　步骤2：根据股票列表诸葛到百度股票获取个股信息

　　　　步骤3：将结果存储于到文件中

 

[B] 股票数据定向爬虫实例编写

# CrawBaiduStocksA.py
import requests
from bs4 import BeautifulSoup
import traceback
import re


def getHTMLText(url):
    try:
        r = requests.get(url)
        r.raise_for_status()
        r.encoding = r.apparent_encoding
        return r.text
    except:
        return ""


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


def getStockInfo(lst, stockURL, fpath):
    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[i].text
                val = valueList[i].text
                infoDict[key] = val

            with open(fpath, 'a', encoding='utf-8') as f:
                f.write(str(infoDict) + '\n')
        except:
            traceback.print_exc()
            continue


def main():
    stock_list_url = 'https://quote.eastmoney.com/stocklist.html'
    stock_info_url = 'https://gupiao.baidu.com/stock/'
    output_file = 'D:/BaiduStockInfo.txt'
    slist = []
    getStockList(slist, stock_list_url)
    getStockInfo(slist, stock_info_url, output_file)


main()