使用scrapy抓取股票代碼

個人博客：https://mypython.me

源碼地址：https://github.com/geeeeeeeek/scrapy_stock

抓取工具：scrapy

scrapy介紹

Scrapy是一個為了爬取網站數據，提取結構性數據而編寫的應用框架。 可以應用在包括數據挖掘，信息處理或存儲歷史數據等一系列的程序中。其最初是為了?頁面抓取?(更確切來說,?網絡抓取?)所設計的， 也可以應用在獲取API所返回的數據(例如?Amazon Associates Web Services?) 或者通用的網絡爬蟲。

安裝scrapy

pip install Scrapy

抓取步驟

選擇一個網站 --> 定義數據 --> 編寫spider

首先使用scrapy創建一個項目

scrapy startproject tutorial

1. 選擇一個網站

這里我們選擇的是東方財富網的股票代碼頁面：http://quote.eastmoney.com/stocklist.html

2. 定義要抓取的數據

我們需要抓取股票的代碼id，因此只需要定義stock_id

class StockItem(scrapy.Item):
    stock_id = scrapy.Field()

3. 編寫spider

class StockSpider(scrapy.Spider):
    name = 'stock'

    def start_requests(self):
        url = 'http://quote.eastmoney.com/stocklist.html'
        yield Request(url)

    def parse(self, response):
        item = StockItem()
        print "===============上海================"
        stocks_sh = response.css('div#quotesearch ul li a[href*="http://quote.eastmoney.com/sh"]::text')
        for stock in stocks_sh:
            item['stock_id'] = 's_sh' + re.findall('\((.*?)\)', stock.extract())[0]
            yield item

        print "===============深圳================"
        stocks_sz = response.css('div#quotesearch ul li a[href*="http://quote.eastmoney.com/sz"]::text')
        for stock in stocks_sz:
            item['stock_id'] = 's_sz' + re.findall('\((.*?)\)', stock.extract())[0]
            yield item

玄機盡在response.css('div#quotesearch ul li a[href*="http://quote.eastmoney.com/sh"]::text’)，使用了css來過濾自己需要的數據。

運行程序

scrapy crawl stock -o stock.csv

即可生成stock.csv文件

預覽如下：

stock_id
s_sh301000
s_sh301001
s_sh301002
s_sh301003
s_sh301004
s_sh301005
s_sh301008
s_sh301009
s_sh301010
s_sh302001
s_sh302003
s_sh302007
s_sh303007
s_sh303008
s_sh303009
…

如果要查詢單個股票的股票行情，可以使用新浪的股票接口：

http://hq.sinajs.cn

例如

http://hq.sinajs.cn/list=s_sh700756

即可得到浪潮軟件的股票行情

var hq_str_s_sh700756="浪潮軟件,19.790,1.140,6.11,365843,70869";