朋友股票虧慘了，我一怒用Python爬取了證券最新資料

大家好，我是辣條，

抓取目標:

url:http://webapi.cninfo.com.cn/#/marketDataDate
資料目標: 獲取 證券代碼 證券簡稱 交易日期  開盤價 最高價 最低價 收盤價 成交數量
難點: 請求頭引數mcode 加密生成 

使用第三方庫:

1. requests
2. execjs
3. js2py
4. math
5. time
6. pandas

工具:

1. 谷歌瀏覽器
2. pycharm
3. python3.7

頁面分析:

進入頁面，滑鼠右擊，選擇檢查 -> 彈出瀏覽器開發者工具 -> Netword -> 選擇xhr -> 重繪頁面

找到介面，觀察介面資料情況:

此介面為post請求，需要提交兩個表單引數，

代碼片段:

url = 'http://webapi.cninfo.com.cn/api/sysapi/p_sysapi1015'
data = {
    'tdate': datetime,
    'scode': '399001'
}
headers = {
    'mcode': 'MTYzNTEzOTkxMQ==',
    'Referer': 'http://webapi.cninfo.com.cn/',
    'Cookie': 'Hm_lvt_489bd07e99fbfc5f12cbb4145adb0a9b=1634795282; Hm_lpvt_489bd07e99fbfc5f12cbb4145adb0a9b=1634799860',
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/95.0.4638.54 Safari/537.36'
}
response = requests.post(url, headers=headers, data=data).json()

請求成功, 但是有時效性的問題，等過了幾分鐘后，就無權限訪問了，仔細觀察發現特殊引數mcode，

開始JS找加密引數生成位置: (注意需要重新重繪頁面，不然會出現沒有js情況)

問題來了，好幾個js檔案，怎么確定那個是我們需要的?

使用第二種搜索方式，根據url的請求地址搜索:

打上斷點后 直接重繪頁面 開始除錯

var indexcode={
    getResCode:function(){
        var time=Math.floor(new Date().getTime()/1000); return window.JSonToCSV.missjson(""+time);
    }
}

繼續除錯，看看這個missjson是干啥的，

下面把這些js扣下來執行

完整代碼

import requests
import execjs
import js2py
import math
import time
import pandas as pd
?
?
code_list = []
?
?
def MCODE():
    jscode = '''
    function missjson(input) {  
        var keyStr = "ABCDEFGHIJKLMNOP" + "QRSTUVWXYZabcdef" + "ghijklmnopqrstuv"   + "wxyz0123456789+/" + "=";  
        var output = "";  
        var chr1, chr2, chr3 = "";  
        var enc1, enc2, enc3, enc4 = "";  
        var i = 0;  
        do {  
            chr1 = input.charCodeAt(i++);  
            chr2 = input.charCodeAt(i++);  
            chr3 = input.charCodeAt(i++);  
            enc1 = chr1 >> 2;  
            enc2 = ((chr1 & 3) << 4) | (chr2 >> 4);  
            enc3 = ((chr2 & 15) << 2) | (chr3 >> 6);  
            enc4 = chr3 & 63;  
            if (isNaN(chr2)) {  
                enc3 = enc4 = 64;  
            } else if (isNaN(chr3)) {  
                enc4 = 64;  
            }  
            output = output + keyStr.charAt(enc1) + keyStr.charAt(enc2)  
                    + keyStr.charAt(enc3) + keyStr.charAt(enc4);  
            chr1 = chr2 = chr3 = "";  
            enc1 = enc2 = enc3 = enc4 = "";  
        } while (i < input.length);  
    
        return output;  
    } 
    
    '''
    time1 = js2py.eval_js('Math.floor(new Date().getTime()/1000)')
    # py方式
    a = math.floor(time.time() / 1000)
    mcode = execjs.compile(jscode).call('missjson', '{a}'.format(a=time1))
    return mcode
?
?
def PageRquest(datetime, mcode):
    # 介面可以換
    url = 'http://webapi.cninfo.com.cn/api/sysapi/p_sysapi1015'
    data = {
        'tdate': datetime, # 獲取資料時間
        'scode': '399001'  # 股票代碼 以及交易所簡稱
    }
    headers = {
        'mcode': str(mcode),
        'Referer': 'http://webapi.cninfo.com.cn/',
        'Cookie': 'Hm_lvt_489bd07e99fbfc5f12cbb4145adb0a9b=1634795282; Hm_lpvt_489bd07e99fbfc5f12cbb4145adb0a9b=1634799860',
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/95.0.4638.54 Safari/537.36'
    }
    response = requests.post(url, headers=headers, data=data).json()
    code = response['records']
    for i in code:
        code_list.append(i)
?
?
def main(date):
    mcode = MCODE()
    PageRquest(date, mcode)
?
?
if __name__ == '__main__':
    # main()
    # 資料分析 pandas 自動化辦公的
    datetime = pd.period_range('2021/5/1', '2021/10/20', freq='B')
    for date in datetime:
        main(date)
    df = pd.DataFrame(code_list)
    df.to_excel('code.xlsx')

👇🏻 疑難解答、學習資料、路線導圖可通過搜索下方 👇🏻