使用python爬取财经网站数据接口

使用python爬取雪球任意股票数据

前言
找接口
使用接口

前言

当我们想对股票数据用python爬取的时候，总是找不到好的获取数据，有一些相关的包，tushare等，但是它有限股票数据就没有，比如我最近在爬的SZ159915，在tushare库中，就爬不到。

找接口

以下以雪球为例：

打开雪球：

搜索六位代码，如159915：

开发者模式，打开Network页面，搜索前期最高点或者最低点，如1.669

单击第一个

发现是这行数据：

单击得到这个页面：

把General项的网址用浏览器打开看看：

接口参数意义：
https://stock.xueqiu.com/v5/stock/chart/kline.json?symbol=SZ159915&begin=1589340438277&period=day&type=before&count=-142&indicator=kline,pe,pb,ps,pcf,market_capital,agt,ggt,balance

参数	意义
begin	起始日
period	K线单位选择，日k，月k等
type	不知道什么意义
count	数据个数
indicator	其他指标参数

图中一些变量的意义

变量	意义
timestamp	时间戳乘以1000（为什么要是时间戳的1000倍我也不知道）。
volume	成交量
open	开盘价
high	最高价
low	收盘价
close	收盘价

其他的一些参数自己可以对比K线查看。

在Preview页面可以更简单查看到：

使用接口

写代码的时候需要用到Request Hearders项下面的Cookie和User-Agent项

接下来可以写代码爬取了，代码直接贴上了，使用requests库。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

import requests
import json
import pandas as pd

number = 2000 # 需要获取的交易日的个数
url = 'https://stock.xueqiu.com/v5/stock/chart/kline.json?symbol=SZ159915&begin=1589006163614&period=day&type=before&count=-' + str(
number)

# Cookie参数根据每个人的设备来变动
headers = {'User-Agent': 'Mozilla/5.0',
'Cookie': 'xq_a_token=48575b79f8efa6d34166cc7bdc5abb09fd83ce63; xqat=48575b79f8efa6d34166cc7bdc5abb09fd83ce63; xq_r_token=7dcc6339975b01fbc2c14240ce55a3a20bdb7873; xq_id_token=eyJ0eXAiOiJKV1QiLCJhbGciOiJSUzI1NiJ9.eyJ1aWQiOi0xLCJpc3MiOiJ1YyIsImV4cCI6MTU4OTY4MjczMCwiY3RtIjoxNTg4OTE5Njc4OTk4LCJjaWQiOiJkOWQwbjRBWnVwIn0.l6yOJc-qTWMNU8g6wXjew0X7TmWbi82cuGiYkVvWGnUoxYSGWIx3DtfIki0etjSbN8mG0r1Gwd_q-PGo6EHL4h-SreHzt7tnteLtmnFrJ5hdyNh1g_x2u4XMvTX-pIEZmVInhBIM_BGVFerYXHuIJ6lm1G-EPR4RlVG2PQ7PTvvsz9-VycQJVZuF1zguF936WiSbPTBmhG0wcXUdfziFC1RPrXgFNTrwNXqaIiWfT5WbRWckm8aFNM3krCGCaES494Jco0FBM3eB5GJlGeB5xS1if_de7T6__PSTCmzMHokG133gRqt4FvYHu9kIQg74CdGw8u7EDWSigw-kASVAzg; u=851588919733219; is_overseas=0; Hm_lvt_1db88642e346389874251b5a1eded6e3=1588919732; Hm_lpvt_1db88642e346389874251b5a1eded6e3=1588919732; device_id=fa23c8c5b1bd5f49c8c9ac7a657ccec3'}

r = requests.get(url, headers=headers) # 爬取数据
text = r.text # 获得文本
data = json.loads(text) # str转成json
item = data['data']['item'] # 从全部数据中取出item项
df = pd.DataFrame(item, columns=["timestamp", "volume", "open", "high", "low", "close", "chg", "percent", "turnoverrate", "amount", "volume_post", "amount_post"]) # list转为DataFrame数据格式，更方便以后的处理
print(df)

输出的数据如下：

1
2
3
4
5
6
7
8
9
10
11
12
13
14

timestamp volume open ... amount volume_post amount_post
0 1329408000000 67987778 0.726 ... NaN None None
1 1329667200000 39183956 0.725 ... NaN None None
2 1329753600000 77306937 0.721 ... NaN None None
3 1329840000000 193157652 0.738 ... NaN None None
4 1329926400000 124234294 0.765 ... NaN None None
... ... ... ... ... ... ... ...
1995 1588089600000 356095691 1.943 ... 696005741.0 None None
1996 1588176000000 411736129 1.964 ... 817442890.0 None None
1997 1588694400000 367767579 1.980 ... 737917205.0 None None
1998 1588780800000 265935124 2.030 ... 538456242.0 None None
1999 1588867200000 304340396 2.035 ... 622569015.0 None None

[2000 rows x 12 columns]

至此，爬取工作完成，后面如何使用根据个人需求而定。