[python]初试页面抓取——抓取沪深股市交易龙虎榜数据

王朝学院·作者佚名  2016-08-27
窄屏简体版  字體: 小  |  中  |  大  |  超大  

[python]抓取沪深股市交易龙虎榜数据

python 3.5.0下运行

没做自动建立files文件夹,需要手动在py文件目录下建立files文件夹后运行

#coding=utf-8importgzipimporthttp.cookiejarimporturllib.requestimporturllib.parseimportjsonimportosimporttimeimportdatetimedefgetOpener(head):#deal with the Cookiescj =http.cookiejar.CookieJar()PRo=urllib.request.HTTPCookieProcessor(cj)

opener=urllib.request.build_opener(pro)

header=[]forkey, valueinhead.items():

elem=(key, value)

header.append(elem)

opener.addheaders=headerreturnopenerdefungzip(data):try:#尝试解压print('正在解压.....')

data=gzip.decompress(data)print('解压完毕!')except:print('未经压缩, 无需解压')returndatadefwriteFile(fname,data):

filename= r'files/'+fname+'.txt'ifos.path.exists(filename):

message='文件 +'+filename +'已存在,跳过'else:

message='文件 +'+filename +'不存在,新建'f=open(filename,'w')

f.write(data)

f.close()print('文件:'+fname+'处理完毕。')'''读取抓取数据开始日期

如果不存在该日期,从10日前开始读取

如果存在从文件内日期开始读取

读到今天'''header={'Connection':'Keep-Alive','Accept':'*/*','Accept-Language':'zh-CN,zh;q=0.8','User-Agent':'Mozilla/5.0 (Windows NT 6.2) AppleWebKit/537.36 (KHTML, like Gecko)Chrome/40.0.2214.111 Safari/537.36','Accept-Encoding':'gzip, deflate','Host':'','Referer':''}

shUrl='http://query.sse.com.cn/infodisplay/showTradePublicFile.do?dateTx='#2015-09-28szUrl = ['http://www.szse.cn/szseWeb/common/szse/files/text/jy/jy',#150923.txt'http://www.szse.cn/szseWeb/common/szse/files/text/smeTxt/gk/sme_jy',#150708.txt'http://www.szse.cn/szseWeb/common/szse/files/text/nmTxt/gk/nm_jy']#150902.txtstartFileName = r'startDay.txt'endDay=datetime.datetime.now()ifos.path.exists(startFileName):print('日期配置文件存在,开始读取')

f=open(startFileName,'rt')

s=f.readline()

f.close()ifs!='':print('将从日期:'+s+'开始读取')

timeArray= time.strptime(s,"%Y%m%d")

timeStamp=int(time.mktime(timeArray))

fromDay=datetime.datetime.utcfromtimestamp(timeStamp)else:print('日期配置文件为空,将从10日前日期开始读取')

fromDay= endDay - datetime.timedelta(days = 10)else:print('日期配置文件不存在,将从10日前日期开始读取')

fromDay= endDay - datetime.timedelta(days = 10)

endDay= endDay + datetime.timedelta(days = 1)whilefromDay.strftime("%Y%m%d")!=endDay.strftime("%Y%m%d"):print(fromDay.strftime("%Y%m%d"))'''循环上面日期

抓取上证,深证,中小创交易龙虎榜数据

如果内容不为空

文件不存在

写入文件'''#抓取上证龙虎榜数据url = shUrl + fromDay.strftime("%Y-%m-%d")print('读取上证龙虎榜\n'+url)

header['Host'] ='query.sse.com.cn'header['Referer'] ='http://www.sse.com.cn/disclosure/diclosure/public/'try:

opener=getOpener(header)

op=opener.open(url)

data=op.read()

data=data.decode()

jsonData=json.loads(data)

outData=''if(jsonData['fileContents']!=''):forinfoinjsonData['fileContents']:

outData= outData+ info+'\n'writeFile(fromDay.strftime("%Y-%m-%d")+'_上证',outData)except:print(fromDay.strftime("%Y-%m-%d")+'跳过')#抓取深证,中小创交易龙虎榜数据i=1forurlinszUrl:if(i==1):

name='深证'elif(i==2):

name='中小板'else:

name='创业板'url= url + fromDay.strftime("%y%m%d")+'.txt'print('读取'+name+'龙虎榜\n'+url)

header['Host'] ='www.szse.cn'header['Referer'] ='http://www.szse.cn'try:

opener=getOpener(header)

op=opener.open(url)

data=op.read()

data=ungzip(data)

data= data.decode('gbk')

writeFile(fromDay.strftime("%Y-%m-%d")+'_'+name,data)except:print(fromDay.strftime("%Y-%m-%d")+'跳过')

i=i+1fromDay= fromDay + datetime.timedelta(days = 1)#最后更新日期为当前日期print('设置最新日期')

fromDay= fromDay - datetime.timedelta(days = 1)

f=open(startFileName,'w')

f.write(fromDay.strftime("%Y%m%d"))

f.close()print('读取完成')

 
 
免责声明:本文为网络用户发布,其观点仅代表作者个人观点,与本站无关,本站仅提供信息存储服务。文中陈述内容未经本站证实,其真实性、完整性、及时性本站不作任何保证或承诺,请读者仅作参考,并请自行核实相关内容。
 
© 2005- 王朝網路 版權所有 導航