目标：获取股票上交所和深交所所有股票的名称和交易信息，保存在文件中
使用到的技术：requests+bs4+re
网站的选择（选取原则：股票信息静态存在HTML页面，非js代码生成没哟robot协议限制）
1. 获取股票列表：http://quote.eastmoney.com/stocklist.html （因为东方财富网站的有全部股票信息的列表，百度股票网站只要个股信息）
2. 获取个股信息：
百度股票：https://gupiao.baidu.com/stock/
单个股票：https://gupiao.baidu.com/stock/sz002939.html
程序的设计结构：
步骤1：从东方财富获取股票列表
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
【步骤1】
通过发送请求获取到东方财富网站股票列表信息，查看页面源代码，如下：
发现股票代码存储在的href属性中，且上交和深交的股票代码前分别为“sh”和"sz"，接下来可以利用这个规律进行解析和匹配。
首先使用BeautifulSoup4获取所有：
soup = BeautifulSoup(html, 'html.parser')
a = soup.find_all('a')
然后配合正则表达式提取的股票代码，并存储在lst列表中：
for i in a:
try:
href = i.attrs['href']
lst.append(re.findall(r"[s][hz]\d{6}", href)[0])
except:
continue
此时列表 lst = ['sh201000' , 'sh201001' , 'sh201002' ...]
【步骤2】
接下来根据获取的股票代码列表，逐个在百度股票获取个股信息。
百度股票个股信息的url：https://gupiao.baidu.com/stock/sz002939.html
因此，先进行url的拼接，然后发送请求获取页面
for stock in lst:
url = 'https://gupiao.baidu.com/stock/' + stock + ".html"
html = getHTMLText(url)
然后进行页面解析，查看源代码
发现所有的股票信息都存在的
中，然后使用BeautifulSoup进行一步一步的解析soup = BeautifulSoup(html, 'html.parser')
stockInfo = soup.find('div',attrs={'class':'stock-bets'})
if stockInfo:
name = stockInfo.find_all(attrs={'class':'bets-name'})[0]
infoDict.update({'股票名称': name.text.split()[0]})
else:
print('stockInfo is null')
break
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
此时，infoDict = {"成交量":"31.07万手" , "最高":"9.89", "涨停":"10.86" ...}
【步骤3】
最后，把结果输出到文件中：
with open(fpath, 'a', encoding='utf-8') as f:
f.write( str(infoDict) + '\n' )
完整代码如下：
#CrawBaiduStocksA.py
importrequestsfrom bs4 importBeautifulSoupimporttracebackimportre#获取页面的公共方法
defgetHTMLText(url):try:
r=requests.get(url)
r.raise_for_status()
r.encoding=r.apparent_encodingreturnr.textexcept:return "get fail"
#获取股票代码列表
defgetStockList(lst, stockURL):
html=getHTMLText(stockURL)
soup= BeautifulSoup(html, 'html.parser')
a= soup.find_all('a')for i ina:try:
href= i.attrs['href']
lst.append(re.findall(r"[s][hz]\d{6}", href)[0])except:continue
#获取个股信息并输出到文件中
defgetStockInfo(lst, stockURL, fpath):for stock inlst:
url= stockURL + stock + ".html"html=getHTMLText(url)try:if html=="":continueinfoDict={}
soup= BeautifulSoup(html, 'html.parser')
stockInfo= soup.find('div',attrs={'class':'stock-bets'})ifstockInfo:
name= stockInfo.find_all(attrs={'class':'bets-name'})[0]
infoDict.update({'股票名称': name.text.split()[0]})else:print('stockInfo is null')breakkeyList= stockInfo.find_all('dt')
valueList= stockInfo.find_all('dd')for i inrange(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
defmain():
stock_list_url= 'http://quote.eastmoney.com/stocklist.html' #东放财富股票列表
stock_info_url = 'https://gupiao.baidu.com/stock/' #百度股票信息
output_file = 'D:/BaiduStockInfo.txt' #结果存储的文件
slist=[]
getStockList(slist, stock_list_url)
getStockInfo(slist, stock_info_url, output_file)
main()
