han5562877 发表于 2023-1-4 14:51

东方财富 股吧 爬虫

# 东方财富帖子爬取—以上证指数吧为例

## 概述
最近在学习文本情感分析, 找了很多作为案例的论坛贴吧作为爬取对象

本次的对象是东方财富的股吧



!(https://huohuowai-1304849801.cos.ap-shanghai.myqcloud.com//%E5%9B%BE%E5%BA%8A202301041445114.png)

## 代码

```python
import requests
from lxml import etree
from time import sleep
import random
from fake_useragent import UserAgent

ua = UserAgent()

for p in range(4710):
    try:
      url = f'http://guba.eastmoney.com/list,zssh000001_{p + 1}.html'
      headers = {'User-Agent': ua.random}
      page = requests.get(url=url, headers=headers).content.decode('utf-8')
      tree = etree.HTML(page)

      for li in tree.xpath('//div[@id="articlelistnew"]/div'):
            try:
                popper = li.xpath('./span[@class="l4 a4"]/a/@data-popper')
                if popper not in ['3006113720930996', '3006113720930996', '7428111481466798', '6712111507146464', '6255325874333310']:
                  read = li.xpath('./span[@class="l1 a1"]/text()')
                  com = li.xpath('./span[@class="l2 a2"]/text()')
                  title = li.xpath('./span[@class="l3 a3"]/a/text()')
                  date = li.xpath('./span[@class="l5 a5"]/text()')
                  row = f'{read},{com},{title},{date}'
                  print(row)
                  with open('上证指数吧.csv', 'a', encoding='utf-8-sig') as f:
                        f.write(row + '\n')
            except Exception as e:
                print(str(e))
    except Exception as e:
      print(str(e))
    finally:
      print(str(p))
      sleep(0.1 + random.random() / 10)
```

## 运行状况

!(https://huohuowai-1304849801.cos.ap-shanghai.myqcloud.com//%E5%9B%BE%E5%BA%8A202301041449578.png)

## 运行结果

!(https://huohuowai-1304849801.cos.ap-shanghai.myqcloud.com//%E5%9B%BE%E5%BA%8A202301041450535.png)

白云云云 发表于 2023-1-4 17:43

nuoan 发表于 2023-1-4 15:43
出现ModuleNotFoundError: No module named 'fake_useragent', 好像用pip install 也装不上fake_useragent ...

刚测试不用ua也没有问题, 4,7,12行删掉, 13行内headers=headers删掉, 可以正常运行

echoxx 发表于 2023-1-4 15:50

nuoan 发表于 2023-1-4 15:43
出现ModuleNotFoundError: No module named 'fake_useragent', 好像用pip install 也装不上fake_useragent ...

可以给错误贴出来看看

qwerdf4567 发表于 2023-1-4 15:12

牛市要来了么:lol

micksoft 发表于 2023-1-4 15:27

从哪里可以抓取到5日线10日线季线年线,这种数据?

nuoan 发表于 2023-1-4 15:43

出现ModuleNotFoundError: No module named 'fake_useragent', 好像用pip install 也装不上fake_useragent,怎么办?

Dumeng 发表于 2023-1-4 16:02

看看小姐姐的家

FIzz001 发表于 2023-1-4 16:19

爬完可以成为股神不

feiyu361 发表于 2023-1-4 16:58

爬完可以成为巴菲特么?

whsstc 发表于 2023-1-4 16:58

要成为股神

xiaoshu1688 发表于 2023-1-4 17:04

癌股哪里有牛市呢
页: [1] 2 3
查看完整版本: 东方财富 股吧 爬虫