经常在爬虫群里面看到大家讨论各种购买基金经验,前几天还有粉丝找我获取基金信息,这里拿出来分享一下,感兴趣的小伙伴们,也可以积极尝试。
这里我们的数据来源是某基金官网,需要抓取的数据重点过程如下:
通过对网站的详细分析可以看出有不同的数字,随机点击一个,可以进入到基金详情页,链接也非常有规律,都以基金代码作为标志的。
其实这个网站倒是不难,数据什么的,都没有加密,网页上的信息,在源码中都可以直接看到,这样就降低了抓取难度了。难度不大不代表就很简单,在分析过程中发现还是有反爬机制的。在爬虫程序里面的使用过程也很简单,以下就是代理的实现过程:
#! -*- encoding:utf-8 -*-
import requests
import random
# 要访问的目标页面
targetUrl = "http://httpbin.org/ip"
# 要访问的目标HTTPS页面
# targetUrl = "https://httpbin.org/ip"
# 代理服务器(产品官网 www.16yun.cn)
proxyHost = "t.16yun.cn"
proxyPort = "31111"
# 代理验证信息
proxyUser = "username"
proxyPass = "password"
proxyMeta = "http://%(user)s:%(pass)s@%(host)s:%(port)s" % {
"host" : proxyHost,
"port" : proxyPort,
"user" : proxyUser,
"pass" : proxyPass,
}
# 设置 http和https访问都是用HTTP代理
proxies = {
"http" : proxyMeta,
"https" : proxyMeta,
}
# 设置IP切换头
tunnel = random.randint(1,10000)
headers = {"Proxy-Tunnel": str(tunnel)}
resp = requests.get(targetUrl, proxies=proxies, headers=headers)
print resp.status_code
print resp.text
将获取到的数据信息做相应的字符串处理,
有了这个,我们就可以做进一步的统计和数据分析了。本文分享的都是最基础的爬虫知识,下次跟大家分享两个更简单的方式,但是实现门槛会高些。
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。