爬取“新浪财经-股票-行情-北交所”的全部5页共200支股票数据，并将爬取的200条股票数据写入“csv文件。 实验原理

爬取“新浪财经-股票-行情-北交所”的全部5页共200支股票数据的实验原理大致如下：

1. 首先需要确定要爬取的页面 URL，通过网络请求将 URL 发送给服务器。

2. 分析页面结构和元素，确定需要爬取的数据，如股票名称、代码、当前价格、涨跌幅等。

3. 使用 Python 的 requests 库发送网络请求，获取 HTML 数据。

4. 使用 BeautifulSoup 库解析 HTML 数据，获取所需的数据。

5. 将数据存储到列表中，遍历所有页面，将数据存储到一个列表中。

6. 使用 pandas 库将数据列表转换成 DataFrame 对象。

7. 使用 DataFrame 的 to_csv() 方法将数据写入 csv 文件。

具体实现过程可以参考以下步骤：

1. 导入必要的库

import requests
from bs4 import BeautifulSoup
import pandas as pd

2. 确定要爬取的页面 URL，遍历所有页面，获取数据

data = []  # 存储数据的列表
for i in range(1, 6):  # 遍历所有页面
    url = 'https://finance.sina.com.cn/stock/sjjhq/bjshydt/{}.shtml'.format(i)
    r = requests.get(url)
    r.encoding = 'utf-8'
    soup = BeautifulSoup(r.text, 'html.parser')
    table = soup.find('table', class_='tbl-data')
    trs = table.find_all('tr')[1:]  # 去掉表头行
    for tr in trs:
        tds = tr.find_all('td')
        name = tds[0].text  # 股票名称
        code = tds[1].text  # 股票代码
        price = tds[2].text  # 当前价格
        change = tds[3].text  # 涨跌幅
        data.append([name, code, price, change])

3. 将数据存储到 DataFrame 对象中

columns = ['股票名称', '股票代码', '当前价格', '涨跌幅']
df = pd.DataFrame(data=data, columns=columns)

4. 将数据写入 csv 文件

df.to_csv('data.csv', index=False, encoding='utf-8-sig')

这样就完成了对“新浪财经-股票-行情-北交所”的全部5页共200支股票数据的爬取，并将爬取的200条股票数据写入 csv 文件的操作。