Python爬虫-获取基金列表

这是我参与11月更文挑战的第1天，活动详情查看：2021最后一次更文挑战

不想做投资的码农不是好厨子。

1 为什么要写这个文章

自己刚学了一点儿python 的皮毛，感觉这是一门很好的语言和辅助工具，因此借此来拓展一下自己的技能和知识范围，在一个新的圈子里折腾一下。这个是一个系列的文章，从这里开始，我会分享我自己的学习心得，最终得到的是学习的乐趣和发掘基金投资的方法，不仅能学习到知识还能赚到一点儿买菜钱，哈哈。

2 哪里去获取数据呢

这里给大家准备好了，

# 打开这个连接，就能找看到对应的基金信息
http://fund.eastmoney.com/jzzzl.html

有了基金连接，我们要做的就是怎么把它抓取下来，123 开始，我恰巧发现了后台访问的接口，是不是很神奇,该是上图的时候了，大家可以看到如下图:

# 这是原始的连接
http://fund.eastmoney.com/Data/Fund_JJJZ_Data.aspx?lx=1&sort=zdf,desc&page=2,200&onlySale=0
# 经过我使用postman 删减掉一些参数发现精简的连接如下，我不能不吐槽一下，这个时候了还有参数传递使用中文首字母拼写的，
# lx分明就是类型的简写。sort 是对某些字段排序可以忽略。分页的话2,200就是第二页，每页200条，onlySale就是可以卖出的条件。
http://fund.eastmoney.com/Data/Fund_JJJZ_Data.aspx?lx=1&sort=zdf,desc&page=2,100&onlySale=0

3 怎么抓取数据呢

这里我们使用python,需要安装的类库有 requests/demjson/prettytable/json,有没有特别简单呢？

# 安装命令如下
# 发起请求
pip install requests
# 将不是那么严格的json 格式转换为json
pip install demjson
# 格式化打印数据
pip install prettytable
# 将json 格式化的文本转换为json 
pip install json

这里我可以上代码了,简单的逻辑就是先抓取api接口返回的信息，然后解析报文，将返回结果转换成json 格式后只选择需要获取的内容，最后将获取的结果进行输出即可。

import requests
import json
import demjson
from prettytable import PrettyTable

# 数据表格的列表表头字段
title_list = ["code", "name", "value"]

# 查询基金列表信息
def query_fund_list(page= 1):
    req_url = "http://fund.eastmoney.com/Data/Fund_JJJZ_Data.aspx?lx=1&sort=zdf,desc&page={},20&onlySale=0".format(page)
    response = requests.get(req_url)
    # 输出响应头
    # print(response.headers)
    # 获取请求结果并替换，否则结果不能进行格式化json
    resp_body = response.text.replace("var db=", "")
    # 本来首选是这个json, 因为json 不支持 {a :"1"} 这样的转换，因此使用了 demojson
    # json_data = json.loads(resp_body)
    # 转换对象为 json 对象,使不规则的json格式化为json对象
    resp_body = demjson.decode(resp_body)
    # 获取结果数组
    fund_list = resp_body["datas"]
    body_list = []
    for node in fund_list:
        tmp = []
        tmp.append(node[0])
        tmp.append(node[1])
        tmp.append(node[3])
        body_list.append(tmp)
    # 创建一个对象 PrettyTable 用于打印输出结果
    bt = PrettyTable()
    # 将表头信息信息放入bt 中
    bt.field_names = title_list
    # 将表格内容放置在 bt 中
    bt.add_rows(body_list)
    # 打印结果
    print(bt)

if __name__ == "__main__":
    # 这里只打印了第一页，循环打印结果就不写了，大家都会的
    query_fund_list(1)

最终输出的结果如图所示

最终我们达到的结果就是这样的结果，有了这些结果，我们可以进行结构化存储，放进数据库中方面查询和使用。

基金代码	基金名称	最新净值
005585	银河文体娱乐混合	1.6363
001907	国投瑞银境煊灵活配置混合A	3.3055
001908	国投瑞银境煊灵活配置混合C	3.1667
164818	工银中证传媒指数(LOF)A	0.9231
...	...	...

这是一个简单的开始，我们获取到了基金的列表。后续我们会抓取基金的基本信息和变动信息，建立模型去展现。