利用Scrapy对接Seleniumr爬取网址:https://vip.stock.finance.sina.com.cn/mkt/#sh_a,爬取的数据包括:代码,名称,最新价,买入,卖出,昨收,今开,最高,最低,成交量/手,成交额/万,振幅,换手率,市净率,市盈率,总股本,流通股,将爬取到的数据保存到csv文件并输出。
时间: 2023-06-18 15:03:22 浏览: 174
好的,下面是具体的爬虫代码实现。
首先,需要安装Scrapy和Selenium,可以使用以下命令安装:
```
pip install scrapy
pip install selenium
```
接着,创建一个Scrapy项目,命名为sina_stock:
```
scrapy startproject sina_stock
```
进入sina_stock目录,创建一个名为sina_spider.py的爬虫文件:
```
cd sina_stock
scrapy genspider sina_spider vip.stock.finance.sina.com.cn
```
然后,打开sina_spider.py文件,将以下代码复制进去:
```python
import scrapy
from selenium import webdriver
from scrapy.selector import Selector
from selenium.webdriver.chrome.options import Options
from time import sleep
class SinaSpiderSpider(scrapy.Spider):
name = 'sina_spider'
allowed_domains = ['vip.stock.finance.sina.com.cn']
start_urls = ['https://vip.stock.finance.sina.com.cn/mkt/#sh_a']
def __init__(self):
options = Options()
options.add_argument('--headless')
self.driver = webdriver.Chrome(options=options)
def parse(self, response):
self.driver.get(response.url)
sleep(3)
sel = Selector(text=self.driver.page_source)
rows = sel.xpath('//table[@id="dataTable"]/tbody/tr')
for row in rows:
item = {}
cols = row.xpath('./td/text()').extract()
item['code'] = cols[0]
item['name'] = cols[1]
item['last_price'] = cols[2]
item['buy'] = cols[3]
item['sell'] = cols[4]
item['pre_close'] = cols[5]
item['open'] = cols[6]
item['high'] = cols[7]
item['low'] = cols[8]
item['volume'] = cols[9]
item['turnover'] = cols[10]
item['amplitude'] = cols[11]
item['turnover_rate'] = cols[12]
item['pb_ratio'] = cols[13]
item['pe_ratio'] = cols[14]
item['total_capital'] = cols[15]
item['circulating_capital'] = cols[16]
yield item
def closed(self, reason):
self.driver.quit()
```
该代码使用了Selenium模拟浏览器操作,打开网址后等待3秒钟,然后使用XPath选择器获取表格中的数据。数据被保存在一个名为item的字典中,最后使用yield语句将item传递给Scrapy引擎。在爬虫结束时,关闭Selenium驱动程序。
接着,需要将爬取到的数据保存到csv文件中。在sina_stock目录下创建一个名为pipelines.py的文件,将以下代码复制进去:
```python
import csv
class SinaStockPipeline(object):
def __init__(self):
self.file = open('sina_stock.csv', 'w', newline='')
self.writer = csv.writer(self.file)
self.writer.writerow(['代码', '名称', '最新价', '买入', '卖出', '昨收', '今开', '最高', '最低', '成交量/手', '成交额/万', '振幅', '换手率', '市净率', '市盈率', '总股本', '流通股'])
def process_item(self, item, spider):
row = [item['code'], item['name'], item['last_price'], item['buy'], item['sell'], item['pre_close'], item['open'], item['high'], item['low'], item['volume'], item['turnover'], item['amplitude'], item['turnover_rate'], item['pb_ratio'], item['pe_ratio'], item['total_capital'], item['circulating_capital']]
self.writer.writerow(row)
return item
def close_spider(self, spider):
self.file.close()
```
该代码在爬虫启动时创建一个名为sina_stock.csv的csv文件,然后在pipeline中使用csv模块将每个item写入文件中。
最后,需要在settings.py文件中启用pipeline和禁用robots.txt:
```python
ITEM_PIPELINES = {
'sina_stock.pipelines.SinaStockPipeline': 300,
}
ROBOTSTXT_OBEY = False
```
现在可以运行爬虫了:
```
scrapy crawl sina_spider
```
当爬虫结束时,将在sina_stock目录下创建一个名为sina_stock.csv的文件,其中包含爬取到的数据。
阅读全文