Python学习笔记之抓取某只基金历史净值数据实战案例

Python  /  管理员 发布于 7年前   165

本文实例讲述了Python抓取某只基金历史净值数据。分享给大家供大家参考，具体如下：

http://fund.eastmoney.com/f10/jjjz_519961.html

1、接下来，我们需要动手把这些html抓取下来(这部分知识我们之前已经学过，现在不妨重温)

# coding: utf-8from selenium.webdriver.support.ui import WebDriverWaitfrom selenium import webdriverfrom bs4 import BeautifulSoupfrom threading import Thread,Lockimport osimport csv# 下面是利用 selenium 抓取html页面的代码# 初始化函数def initSpider():  driver = webdriver.PhantomJS(executable_path=r"你phantomjs可执行文件的绝对路径")  driver.get("http://fund.eastmoney.com/f10/jjjz_519961.html") # 要抓取的网页地址  # 找到"下一页"按钮,就可以得到它前面的一个label,就是总页数  getPage_text = driver.find_element_by_id("pagebar").find_element_by_xpath(    "div[@class='pagebtns']/label[text()='下一页']/preceding-sibling::label[1]").get_attribute("innerHTML")  # 得到总共有多少页  total_page = int("".join(filter(str.isdigit, getPage_text)))  # 返回  return (driver,total_page)# 获取html内容def getData(myrange,driver,lock):  for x in myrange:    # 锁住    lock.acquire()    tonum = driver.find_element_by_id("pagebar").find_element_by_xpath(      "div[@class='pagebtns']/input[@class='pnum']") # 得到 页码文本框    jumpbtn = driver.find_element_by_id("pagebar").find_element_by_xpath(      "div[@class='pagebtns']/input[@class='pgo']") # 跳转到按钮    tonum.clear() # 第x页 输入框    tonum.send_keys(str(x)) # 去第x页    jumpbtn.click() # 点击按钮    # 抓取    WebDriverWait(driver, 20).until(lambda driver: driver.find_element_by_id("pagebar").find_element_by_xpath("div[@class='pagebtns']/label[@value={0} and @class='cur']".format(x)) != None)    # 保存到项目中    with open("../htmls/details/{0}.txt".format(x), 'wb') as f:      f.write(driver.find_element_by_id("jztable").get_attribute("innerHTML").encode('utf-8'))      f.close()    # 解锁    lock.release()# 开始抓取函数def beginSpider():  # 初始化爬虫  (driver, total_page) = initSpider()  # 创建锁  lock = Lock()  r = range(1, int(total_page)+1)  step = 10  range_list = [r[x:x + step] for x in range(0, len(r), step)]  #把页码分段  thread_list = []  for r in range_list:    t = Thread(target=getData, args=(r,driver,lock))    thread_list.append(t)    t.start()  for t in thread_list:    t.join() # 这一步是需要的,等待线程全部执行完成  print("抓取完成")# #################上面代码就完成了 抓取远程网站html内容并保存到项目中的 过程

需要说明一下这3个函数：

initSpider函数，初始化了selenium的webdriver对象，并且先获取到我们需要抓取页面的总页码数。
getData函数，有3个参数，myrange我们还是要分段抓取，之前我们学过多进程抓取，这里我们是多线程抓取；lock参数用来锁住线程的，防止线程冲突；driver就是我们在initSpider函数中初始化的webdriver对象。
在getData函数中，我们循环myrange，把抓取到的html内容保存到了项目目录中。
beginSpider函数，我们在此函数中给总页码分段，并且创建线程，调用getData。

所以最后执行：

beginSpider()

就开始抓取 http://fund.eastmoney.com/f10/jjjz_519961.html 这个基金的”历史净值明细”，共有31个页面。

2、根据已经学过的python和mysql交互的知识，我们也可以再把这些数据 写入到数据表中。

这里就不再赘述，给出基金详细表结构：

CREATE TABLE `fund_detail` ( `id` int(11) unsigned NOT NULL AUTO_INCREMENT, `fcode` varchar(10) NOT NULL DEFAULT '' COMMENT '基金代码', `fdate` datetime DEFAULT NULL COMMENT '基金日期', `NAV` decimal(10,4) DEFAULT NULL COMMENT '单位净值', `ACCNAV` decimal(10,4) DEFAULT NULL COMMENT '累计净值', `DGR` varchar(20) DEFAULT NULL COMMENT '日增长率', `pstate` varchar(20) DEFAULT NULL COMMENT '申购状态', `rstate` varchar(20) DEFAULT NULL COMMENT '赎回状态', PRIMARY KEY (`id`)) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COMMENT='基金详细数据表';

更多关于Python相关内容可查看本站专题：《Python Socket编程技巧总结》、《Python正则表达式用法总结》、《Python数据结构与算法教程》、《Python函数使用技巧总结》、《Python字符串操作技巧汇总》、《Python入门与进阶经典教程》及《Python文件与目录操作技巧汇总》

希望本文所述对大家Python程序设计有所帮助。