問題描述

想用python做股票量化交易，第一步就是獲取股票的歷史數(shù)據(jù)。訪問http://data.eastmoney.com/sto...網(wǎng)頁，將網(wǎng)頁源碼打開后看不見表格中的數(shù)據(jù)，據(jù)說是利用ajax技術(shù)加載的。在網(wǎng)上看見可以利用selenium和phantomJS來獲取這些動(dòng)態(tài)網(wǎng)頁內(nèi)容，但是不知道如何獲取完整源碼。請(qǐng)高手指點(diǎn)迷津

問題解答

事實(shí)上，我剛才試了一下，頁面不是用xhr加載的，在頁面的源代碼中已經(jīng)有了，然后調(diào)用了一個(gè)類把數(shù)據(jù)加載為一個(gè)table。比如，首頁的數(shù)據(jù)：

然后，提取就直接使用re提取就可以了，得到文本以后json解析就好了。先寫到這里。+++++++++++++++++++++++++++++++++++++++++

然后，就是這個(gè)網(wǎng)站不使用xhr加載數(shù)據(jù)而是使用的js來加載json數(shù)據(jù)，動(dòng)態(tài)解析來顯示。具體分析需要用到j(luò)s的知識(shí)，如果你了解也可以自己嘗試解析。

我嘗試了一下。

from urllib.parse import quoteimport timeimport requestsurl = 'http://datainterface.eastmoney.com/EM_DataCenter/JS.aspx?type=FD&sty=TSTC&st={sortType}&sr={sortRule}&p={page}&ps={pageSize}&js=var {jsname}=(x){param}'params = { 'sortType': 1, 'sortRule': 1, 'page': 2, 'pageSize': 50, 'jsname': 'Aafdafgq', # 這里使用的是隨機(jī)字符串，8位 'param': '&mkt=0&rt='}params['param'] += str(int(time.time()/30)) # 當(dāng)前時(shí)間url = url.format(**params)url = quote(url, safe=':=/?&()')req = requests.get(url)req.text

用這個(gè)組合 好處是簡(jiǎn)單暴力，壞處是效率較低。相當(dāng)于打開一個(gè)你看不到的瀏覽器加載頁面，再把運(yùn)算好的結(jié)果讀取。新人學(xué)爬蟲的話 推薦 python網(wǎng)絡(luò)數(shù)據(jù)采集 這本動(dòng)物書。你需要的說明在采集動(dòng)態(tài)頁面那章。這書很薄 很實(shí)用。

我對(duì)js和json都不太了解，剛剛爬蟲入門。經(jīng)過你的提示，我再查看了一下源碼，發(fā)現(xiàn)在defjson里面有這些數(shù)據(jù)，不明白是怎樣把json里的數(shù)據(jù)顯示到tbody里面的。我用pandas的read_html可以抓到這些數(shù)據(jù)，但是最后兩列會(huì)丟失。看來我得先去看看js和json