数据分析之数据收集

互联网自动化采集脚本------爬虫
1.什么是自动化采集的脚本 - 网络爬虫 网络蜘蛛 网络机器人

自动采集网站上我们需要的数据。

2.如何批量采集数据

爬虫:请求某一个网站的数据

(1)确定目标:请求哪一个网址?

如下是:东方财富网,实战-大A股5000+股票实时批量抓取

行情中心:国内快捷全面的股票、基金、期货、美股、港股、外汇、黄金、债券行情系统_东方财富网 (eastmoney.com)

url = '网址'

F12或者Fn+F12打开开发者工具 - Network(网络) - 刷新网页

放大镜里面搜索股票关键字 - 点击出现的数据 - headers里面有网址

(2)伪装脚本, 伪装成一个浏览器!

headers={'user-agent':'浏览器标识'}
注意: 浏览器标识就在刚才找到的网址的下面。

(3)请求网址的数据

res = requests.get(url, headers)

模块使用方法:数据=模块.功能(参数)

requests 功能get 给定网址和身份 返回给我们数据

res.text res.content res.status_code

其中:403 拒绝 404 网址不存在 500网址崩溃或者错误

实例代码:

python 复制代码
import requests   # 请求模块
import pandas     # 表格模块
import re         # 筛选模块 -- 正则表达式! python自带!
totaldata = []
for pn in range(1, 282):
    # ==============获取数据==================
    url = f'https://64.push2.eastmoney.com/api/qt/clist/get?cb=jQuery112408356224630673301_1715256225019&pn={pn}&pz=20&po=1&np=1&ut=bd1d9ddb04089700cf9c27f6f7426281&fltt=2&invt=2&wbp2u=|0|0|0|web&fid=f3&fs=m:0+t:6,m:0+t:80,m:1+t:2,m:1+t:23,m:0+t:81+s:2048&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&_=1715256225020'
    headers = {'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/124.0.0.0 Safari/537.36 Edg/124.0.0.0'}
    res = requests.get(url, headers)
    print(res.text)

    # ================筛选数据===============
    codelist = re.findall('"f12":"(.*?)","f13"', res.text)
    namelist = re.findall('"f14":"(.*?)","f15"', res.text)
    pricelist = re.findall('"f2":(.*?),"f3"', res.text)

    # =============重新组合数据================
    for i in range(0, len(codelist)):
        datalist = [codelist[i], namelist[i], pricelist[i]]
        print(datalist)
        totaldata.append(datalist)  # 把新得到的数据汇总到总数据里面!

运行如下:

相关推荐
高洁0112 分钟前
数字孪生与计算机视觉:让机器看懂现场
人工智能·python·机器学习·transformer·迁移学习
ComPDFKit18 分钟前
RAG 回答只显示 PDF 文件名?用 Python 保留引用页码
开发语言·python·pdf·rag
yz_aiks2 小时前
Termux 使用教程:把安卓手机变成随身 Linux(装 Python、SSH 远程、跑自动化脚本)
android·linux·python·智能手机·ssh·termux
2601_967980114 小时前
Flask Web 应用
python·flask·web开发·环境变量·虚拟环境
aifannihao4 小时前
ß 大写变 SS:用 Python 算清 Ruby2Shell 的缓冲区账本
python·安全·标准库·缓冲区溢出·字符串编码
liwulin05064 小时前
【OLLAMA】调用SKILL的通用ReAct
python
郝学胜-神的一滴5 小时前
Effective Python 条款36:优雅拼装迭代器与生成器
开发语言·数据结构·人工智能·python·numpy·scikit-learn
Norna6 小时前
Git 给路径加了引号,这个文件就从 review 里消失了
python
wuyk5556 小时前
Python办公自动化-第04讲-批量新建Excel
开发语言·python·excel
wuyk5557 小时前
Spider-第20讲-综合实战可上线爬虫
大数据·爬虫·python·elasticsearch