股票数据爬虫

逃离我推掉我的手 2022-05-24 01:34 272阅读 0赞

目标：爬取上交所和深交所所有股票的名称和交易信息

输出：保存在文件中

使用库：requests库，beautifulsoup4库，re库

网站：http://finance.sina.com.cn/stock/

https://gupiao.baidu.com/stock/

选取网站的原则：所需信息在HTML中，如果是js生成的话难度大，最好没有robots协议限制

程序结构设计：

1.从东方财富网站爬取股票信息列表

2.根据股票列表逐个到百度股票获取个股信息

3.把结果存储到文件

代码：

# -*- coding:utf-8 -*-
    import requests
    from bs4 import BeautifulSoup
    import traceback
    import re
    
    
    # 根据获得的网址爬取指定网页信息
    def get_html_text(url, code="utf-8"):
        try:
            r = requests.get(url, timeout=30)  # 把爬取后的内容赋给r，等待时间对多30秒
            r.raise_for_status()  # 爬取网页时返回的状态码
            r.encoding = code
            return r.text  # 返回爬取网页后的文本
        except RuntimeError:  # 一般超时错误
            return ""  # 函数结束返回
    
    
    # 获得股票列表
    def get_stock_list(self, stock_url):
        html = get_html_text(stock_url, "GB2312")
        soup = BeautifulSoup(html, 'html.parser')
        a = soup.find_all('a')
        for i in a:
            try:
                href = i.attrs['href']
                self.append(re.findall(r"[s][hz]\d{6}", href)[0])
            except:
                continue
    
    
    # 获得每个个股的股票信息
    def get_stock_information(self, stock_url, path):
        count = 0
        for stock in self:
            url = stock_url + stock + '.html'
            html = get_html_text(url)
            try:
                if html == "":
                    continue
                information_dictionary = {}
                soup = BeautifulSoup(html, 'html.parser')
                stock_information = soup.find('div', attrs={
      'class': 'stock-bets'})
                name = stock_information.find_all(attrs={
      'class': bets-name})[0]
                information_dictionary.update({
      '股票名称' : name.text.split()[0]})
                key_list = stock_information.find_all('dt')
                value_list = stock_information.find_all('dd')
                for i in range(len(key_list)):
                    key = key_list[i].text
                    value = value_list[i].text
                    information_dictionary[key] = value
    
                with open(path, 'a', encoding = 'utf-8') as f:
                    f.write(str(information_dictionary) + '\n')
            except:
                count = count + 1
                print("\r当前进度: {:.2f}%".format(count*100/len(self)), end="")
                continue
    
    
    # 主函数
    def main():
        stock_list_url = "http://quote.eastmoney.com/stocklist.html"
        stock_information_url = "http://gupiao.baidu.com/stock/"
        output_file = "C:/Users/Administrator/Desktop/股票数据信息.txt"
        list = []
        get_stock_list(list, stock_list_url)
        get_stock_information(list, stock_information_url, output_file)
    
    
    main()