【股票爬虫教程】我用100行Python代码，爬了雪球网5000只股票，还发现一个网站bug！

目录

• 一、爬取目标
• 二、分析网页
• 三、爬虫代码
• 四、同步视频
• 五、get完整源码

一、爬取目标

您好，我是@马哥python说，今天继续分享爬虫案例。

爬取网站：雪球网的沪深股市行情数据
具体菜单：雪球网 > 行情中心 > 沪深股市 > 沪深一览

爬取字段，含：
股票代码，股票名称，当前价，涨跌额，涨跌幅，年初至今，成交量，成交额，换手率，市盈率，股息率，市值。

二、分析网页

在网页中，我们注意到，默认每页显示30条：

一共163页：

如果切换到每页90条，总页数就会变成55页：

基于尽量少的向页面发送请求，防止反爬的考虑，选择每页90条。

下面，开始分析网页接口。
按F12，打开chrome浏览器的开发者模式，重新刷新网页，并翻页3次，发现3个网页请求：

由此推测，这就是目标股票数据。
为了验证此猜测，打开预览页面，展开json数据，找到第0只股票：

经过和页面对比，发现数据一致。

下面继续看网页请求参数：

这里每页容量是90条数据，大胆猜测一下，如果每页容量指定为5000，只爬取1页，是不是更省事儿。
虽然大胆猜测，但要小心求证，毕竟一名合格的接口开发者不会这么做。
一般情况下，如果发现用户请求大于每页容量，会返回一个exceed max size或者invalid request之类的error给用户，但我们不妨试试。。
下面开始开发爬虫代码：

三、爬虫代码

首先，定义一个请求头，直接从开发者模式里copy过来：

# 定义字符串请求头
header1 = """
	Accept: */*
	Accept-Encoding: gzip, deflate, br
	Accept-Language: zh-CN,zh;q=0.9,en-US;q=0.8,en;q=0.7
	cache-control: no-cache
	Connection: keep-alive
	Cookie: 换成自己的
	Host: xueqiu.com
	Referer: https://xueqiu.com/hq
	sec-ch-ua: "Google Chrome";v="105", "Not)A;Brand";v="8", "Chromium";v="105"
	sec-ch-ua-mobile: ?0
	sec-ch-ua-platform: "macOS"
	Sec-Fetch-Dest: empty
	Sec-Fetch-Mode: cors
	Sec-Fetch-Site: same-origin
	User-Agent: Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/105.0.0.0 Safari/537.36
	X-Requested-With: XMLHttpRequest
	"""

通过copy_headers_dict转换成dict格式：

# 转换成dict格式请求头
header2 = copy_headers_dict(header1)

如此方便！
下面开始发送请求，如上所讲，大胆尝试请求第1页，页容量5000条：

# 请求地址
url = "https://xueqiu.com/service/v5/stock/screener/quote/list?page=1&size=5000&order=desc&orderby=percent&order_by=percent&market=CN&type=sh_sz&_=1663203107799"
# 发送请求
resp = requests.get(url, headers=header2)

查看响应码及响应数据，真的请求到了！
估计过不了多久，雪球网的程序员小哥哥该被领导请去喝茶了~

下面开始解析json数据：

# 解析json数据
json_data = resp.json()
data_list = json_data['data']['list']

先定义一些空列表用于存储数据：

# 定义空列表用于存储数据
symbol_list = []  # 股票代码
name_list = []  # 股票名称
current_list = []  # 当前价
chg_list = []  # 涨跌额
percent_list = []  # 涨跌幅
current_year_percent_list = []  # 年初至今
volume_list = []  # 成交量
amount_list = []  # 成交额
turnover_rate_list = []  # 换手率
pe_ttm_list = []  # 市盈率
dividend_yield_list = []  # 股息率
market_capital_list = []  # 市值

其实，接口里还有更多字段，这里我只爬取了网页上有的字段。
把解析好的字段数据append到空列表中，以股票代码和股票名称为例：

for data in data_list:
	symbol_list.append(data['symbol'])
	name_list.append(data['name'])
	print('已爬取第{}只股票，股票代码：{}，股票名称：{}'.format(count, data['symbol'], data['name']))

其他字段同理，不再演示。
最后，把列表数据存入DataFrame数据中：

df = pd.DataFrame(
	{
		'股票代码': symbol_list,
		'股票名称': name_list,
		'当前价': current_list,
		'涨跌额': chg_list,
		'涨跌幅': percent_list,
		'年初至今': current_year_percent_list,
		'成交量': volume_list,
		'成交额': amount_list,
		'换手率': turnover_rate_list,
		'市盈率': pe_ttm_list,
		'股息率': dividend_yield_list,
		'市值': market_capital_list,
	}
)

最后，用to_csv把最终数据落地成csv文件，大功告成！

四、同步视频

演示视频：
https://www.zhihu.com/zvideo/1553775083570802688

五、get完整源码

附完整源码：点击这里完整源码

---

我是 马哥python说，感谢阅读！