Python爬虫实战：股票分时数据抓取与存储 (1)

在金融数据分析中，股票分时数据是投资者和分析师的重要资源。它能够帮助我们了解股票在交易日内的价格波动情况，从而为交易决策提供依据。然而，获取这些数据往往需要借助专业的金融数据平台，其成本较高。幸运的是，通过Python爬虫技术，我们可以低成本地抓取股票分时数据，并将其存储以便后续分析。本文将详细介绍如何使用Python实现股票分时数据的抓取与存储，同时结合代理服务器确保爬虫的稳定性和安全性。

一、技术选型与环境搭建

在开始之前，我们需要明确技术选型和环境搭建。Python作为一门强大的编程语言，拥有丰富的库支持，非常适合用于爬虫开发。以下是主要的技术选型：

1. Python版本：推荐使用Python 3.9及以上版本，以确保兼容性和性能。
2. 爬虫框架：虽然可以使用Scrapy等成熟框架，但为了保持代码简洁，本文将使用requests库进行HTTP请求和BeautifulSoup库进行HTML解析。
3. 数据存储：分时数据量较大，适合存储到数据库中。本文将使用SQLite作为轻量级数据库，便于本地存储和查询。
4. 代理服务器：为了提高爬虫的稳定性和安全性，我们将使用代理服务器。代理服务器可以帮助我们隐藏真实IP地址，避免被目标网站封禁。
5. 其他库：pandas用于数据处理，time和datetime用于时间处理。

二、代理服务器的配置

在爬虫开发中，代理服务器是不可或缺的工具。它可以隐藏爬虫的真实IP地址，避免因频繁访问被目标网站封禁。本文使用的代理服务器信息如下：

• 代理主机：www.16yun.cn
• 代理端口：5445
• 代理用户名：16QMSOML
• 代理密码：280651

为了在requests中使用代理服务器，我们需要配置代理参数。以下是代理配置的代码示例：

Python复制

import requests
from requests.auth import HTTPProxyAuthproxyHost = "www.16yun.cn"
proxyPort = "5445"
proxyUser = "16QMSOML"
proxyPass = "280651"proxies = {"http": f"http://{proxyHost}:{proxyPort}","https": f"http://{proxyHost}:{proxyPort}"
}
auth = HTTPProxyAuth(proxyUser, proxyPass)

在后续的HTTP请求中，我们将通过proxies和auth参数将请求发送到代理服务器。

三、股票分时数据的抓取

股票分时数据通常可以通过股票交易平台的API或网页源码获取。以某知名股票交易平台为例，其分时数据可以通过访问特定的URL获取。以下是抓取过程的详细步骤：

1. 分析目标网站

通过浏览器开发者工具（F12）查看分时数据的请求URL和返回格式。假设目标网站的分时数据请求URL为：

https://example.com/stock/tick?code={股票代码}&date={日期}

返回的数据格式为JSON，包含时间、价格、成交量等字段。

2. 编写爬虫代码

以下是使用requests和BeautifulSoup实现的分时数据爬取代码：

Python复制

import requests
import json
import pandas as pd
from datetime import datetime, timedelta
from requests.auth import HTTPProxyAuth# 代理服务器配置
proxyHost = "www.16yun.cn"
proxyPort = "5445"
proxyUser = "16QMSOML"
proxyPass = "280651"proxies = {"http": f"http://{proxyHost}:{proxyPort}","https": f"http://{proxyHost}:{proxyPort}"
}
auth = HTTPProxyAuth(proxyUser, proxyPass)def fetch_tick_data(stock_code, date):"""抓取指定股票代码的分时数据:param stock_code: 股票代码，如"000001":param date: 日期，格式为"YYYY-MM-DD":return: 分时数据的DataFrame"""url = f"https://example.com/stock/tick?code={stock_code}&date={date}"headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.124 Safari/537.36"}try:response        = requests.get(url, headers=headers, proxies=proxies, auth=auth)if response.status_code == 200:data = json.loads(response.text)# 将数据转换为DataFramedf = pd.DataFrame(data["ticks"])df["date"] = datedf["time"] = pd.to_datetime(df["time"], format="%H:%M:%S")df.set_index("time", inplace=True)return dfelse:print(f"Failed to fetch data for {stock_code} on {date}. Status code: {response.status_code}")return Noneexcept Exception as e:print(f"Error occurred while fetching data for {stock_code} on {date}: {e}")return None

3. 数据抓取示例

假设我们要抓取股票代码为“000001”的分时数据，日期为“2024-10-10”，可以调用上述函数：

Python复制

if __name__ == "__main__":stock_code = "000001"date = "2024-10-10"tick_data = fetch_tick_data(stock_code, date)if tick_data is not None:print(tick_data.head())

运行代码后，tick_data将包含分时数据，如下所示：

price  volume  date
time                                           
2024-10-10 09:30:00  12.50   10000  2024-10-10
2024-10-10 09:31:00  12.52   15000  2024-10-10
2024-10-10 09:32:00  12.55   20000  2024-10-10
...

四、数据存储到SQLite数据库

抓取到的分时数据需要存储以便后续分析。SQLite是一个轻量级的数据库，适合本地存储。以下是将分时数据存储到SQLite数据库的代码实现：

1. 创建数据库和表

首先，我们需要创建一个SQLite数据库，并定义一个表来存储分时数据：

Python复制

import sqlite3def create_database():"""创建SQLite数据库和分时数据表"""conn = sqlite3.connect("stock_tick_data.db")cursor = conn.cursor()cursor.execute("""CREATE TABLE IF NOT EXISTS tick_data (id INTEGER PRIMARY KEY AUTOINCREMENT,stock_code TEXT,date TEXT,time TEXT,price REAL,volume INTEGER)""")conn.commit()conn.close()

2. 存储数据到数据库

将抓取到的分时数据存储到数据库中：

Python复制

def save_to_database(df, stock_code):"""将分时数据存储到SQLite数据库:param df: 分时数据的DataFrame:param stock_code: 股票代码"""conn    = sqlite3.connect("stock_tick_data.db")cursor = conn.cursor()for _, row in df.iterrows():cursor.execute("""INSERT INTO tick_data (stock_code, date, time, price, volume)VALUES (?, ?, ?, ?, ?)""", (stock_code, row["date"], row.name.strftime("%H:%M:%S"), row["price"], row["volume"]))conn.commit()conn.close()