当前位置:

首页 > temp > python入门教程 >

Python爬取股票数据，让你感受一下什么是一秒钟两千条数据

本文的文字及图片过滤网络，可以学习，交流使用，不具有任何商业用途，如有问题请及时联系我们以作处理。

以下文章来源于青灯编程，作者：清风

Python GUI编程：高清电影在线观看平台制作，全网电影免费看

https://www.xin3721.com/eschool/pythonxin3721/

让你感受一下什么是一秒钟下载两千条数据。。

基本开发环境

Python 3.6
皮查姆

目标网页分析

一共214页的数据，每页数据20条，总计是4280。

：开发者工具，点击第二页，在XHR里面会出现数据。。

这是链接的参数，其中的pn对应就是页码，选择的第二页所以pn：2

如果细心的话，可以发现返回的数据并非是一个json数据。

这样的数据提取肯定是转换成json数据才好提取。这有两个方法：

方法一：

把参数中的< cb：jQuery1124036392017581464287_1608882113715 >去掉，不打算进去，就可以直接以response.json（）的形式输出。

import requests


url = 'http://49.push2.eastmoney.com/api/qt/clist/get'


params = {
    # 'cb': 'jQuery1124036392017581464287_1608882113715',
    'pn': '2',
    'pz': '20',
    'po': '1',
    'np': '1',
    'ut': 'bd1d9ddb04089700cf9c27f6f7426281',
    'fltt': '2',
    'invt': '2',
    'fid': 'f3',
    'fs': 'm:0 t:6,m:0 t:13,m:0 t:80,m:1 t:2,m:1 t:23',
    'fields': 'f1,f2,f3,f4,f5,f6,f7,f8,f9,f10,f12,f13,f14,f15,f16,f17,f18,f20,f21,f23,f24,f25,f22,f11,f62,f128,f136,f115,f152',
    '_': '1608882115527',
}


headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/81.0.4044.138 Safari/537.36'
}
response = requests.get(url=url, params=params, headers=headers)
html_data = response.json()
stock_data = html_data['data']['diff']

方法二：

1，正常参数，请求网页返回数据response.txt

2，用正则匹配 jQuery1124036392017581464287_1608882113715（。*？）匹配中间的数据

3，通过导入json模块，串联转json数据json.loads

import pprint
import re
import requests
import json
url = 'http://49.push2.eastmoney.com/api/qt/clist/get'


params = {
    'cb': 'jQuery1124036392017581464287_1608882113715',
    'pn': '2',
    'pz': '20',
    'po': '1',
    'np': '1',
    'ut': 'bd1d9ddb04089700cf9c27f6f7426281',
    'fltt': '2',
    'invt': '2',
    'fid': 'f3',
    'fs': 'm:0 t:6,m:0 t:13,m:0 t:80,m:1 t:2,m:1 t:23',
    'fields': 'f1,f2,f3,f4,f5,f6,f7,f8,f9,f10,f12,f13,f14,f15,f16,f17,f18,f20,f21,f23,f24,f25,f22,f11,f62,f128,f136,f115,f152',
    '_': '1608882115527',
}


headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/81.0.4044.138 Safari/537.36'
}
response = requests.get(url=url, params=params, headers=headers)
result = re.findall('jQuery1124036392017581464287_1608882113715\((.*?)\);', response.text)[0]
html_data = json.loads(result)
stock_data = html_data['data']['diff']
pprint.pprint(stock_data)

对于这个网站，以上两种方法都是可以的，但是一般建议使用第二种方式，因为第一种方式毕竟是投机取巧。

取值之后是一个列表的数据，通过用于循环遍历即可，获取每一支股票的相关数据了，通过键值对取值获取相对应的数据即可。

for i in stock_data:
    dit = {
        '代码': i['f12'],
        '名称': i['f14'],
        '最新价': i['f2'],
        '涨跌幅': str(i['f3']) + '%',
        '涨跌额': i['f4'],
        '成交量(手)': i['f5'],
        '成交额': i['f6'],
        '振幅': str(i['f7']) + '%',
        '最高': i['f15'],
        '最低': i['f16'],
        '今开': i['f17'],
        '昨收': i['f18'],
        '量比': i['f10'],
        '换手率': str(i['f8']) + '%',
        '市盈率(动态)': i['f9'],
        '市净率': i['f23'],
    }

保存数据通过csv模块保存就可以了。

使用多线程爬取速度有多快？

给五个线程时的速度：

if __name__ == '__main__':
    start_time = time.time()
    executor = concurrent.futures.ThreadPoolExecutor(max_workers=5)
    for page in range(1, 215):
        url = f'http://49.push2.eastmoney.com/api/qt/clist/get?pn={page}&pz=20&po=1&np=1&ut=bd1d9ddb04089700cf9c27f6f7426281&fltt=2&invt=2&fid=f3&fs=m:0+t:6,m:0+t:13,m:0+t:80,m:1+t:2,m:1+t:23&fields=f1,f2,f3,f4,f5,f6,f7,f8,f9,f10,f12,f13,f14,f15,f16,f17,f18,f20,f21,f23,f24,f25,f22,f11,f62,f128,f136,f115,f152&_=1608882114076'
        executor.submit(main, url)
    executor.shutdown()

总耗时：3.685572624206543

总计数据：4279条数据

所以平均每秒钟爬取1161条数据。

当我给10个线程时的速度：

if __name__ == '__main__':
    start_time = time.time()
    executor = concurrent.futures.ThreadPoolExecutor(max_workers=10)
    for page in range(1, 215):
        url = f'http://49.push2.eastmoney.com/api/qt/clist/get?pn={page}&pz=20&po=1&np=1&ut=bd1d9ddb04089700cf9c27f6f7426281&fltt=2&invt=2&fid=f3&fs=m:0+t:6,m:0+t:13,m:0+t:80,m:1+t:2,m:1+t:23&fields=f1,f2,f3,f4,f5,f6,f7,f8,f9,f10,f12,f13,f14,f15,f16,f17,f18,f20,f21,f23,f24,f25,f22,f11,f62,f128,f136,f115,f152&_=1608882114076'
        executor.submit(main, url)
    executor.shutdown()