本文的文字及图片过滤网络，可以学习，交流使用，不具有任何商业用途，如有问题请及时联系我们以作处理。
以下文章来源于青灯编程，作者：清风
Python GUI编程：高清电影在线观看平台制作，全网电影免费看
https://www.bilibili.com/video/BV1tz4y1o7Yc/
让你感受一下什么是一秒钟下载两千条数据。。
基本开发环境
- Python 3.6
- 皮查姆
相关模块的使用
import csv import time import requests import concurrent.futures
目标网页分析
一共214页的数据，每页数据20条，总计是4280。
：开发者工具，点击第二页，在XHR里面会出现数据。。
这是链接的参数，其中的pn对应就是页码，选择的第二页所以pn：2
如果细心的话，可以发现返回的数据并非是一个json数据。
这样的数据提取肯定是转换成json数据才好提取。这有两个方法：
方法一：
把参数中的< cb：jQuery1124036392017581464287_1608882113715 >去掉，不打算进去，就可以直接以response.json（）的形式输出。
import requests url = 'http://49.push2.eastmoney.com/api/qt/clist/get' params = { # 'cb': 'jQuery1124036392017581464287_1608882113715', 'pn': '2', 'pz': '20', 'po': '1', 'np': '1', 'ut': 'bd1d9ddb04089700cf9c27f6f7426281', 'fltt': '2', 'invt': '2', 'fid': 'f3', 'fs': 'm:0 t:6,m:0 t:13,m:0 t:80,m:1 t:2,m:1 t:23', 'fields': 'f1,f2,f3,f4,f5,f6,f7,f8,f9,f10,f12,f13,f14,f15,f16,f17,f18,f20,f21,f23,f24,f25,f22,f11,f62,f128,f136,f115,f152', '_': '1608882115527', } headers = { 'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/81.0.4044.138 Safari/537.36' } response = requests.get(url=url, params=params, headers=headers) html_data = response.json() stock_data = html_data['data']['diff']
方法二：
1，正常参数，请求网页返回数据response.txt
2，用正则匹配 jQuery1124036392017581464287_1608882113715（。*？） 匹配中间的数据
3，通过导入json模块，串联转json数据json.loads
import pprint import re import requests import json url = 'http://49.push2.eastmoney.com/api/qt/clist/get' params = { 'cb': 'jQuery1124036392017581464287_1608882113715', 'pn': '2', 'pz': '20', 'po': '1', 'np': '1', 'ut': 'bd1d9ddb04089700cf9c27f6f7426281', 'fltt': '2', 'invt': '2', 'fid': 'f3', 'fs': 'm:0 t:6,m:0 t:13,m:0 t:80,m:1 t:2,m:1 t:23', 'fields': 'f1,f2,f3,f4,f5,f6,f7,f8,f9,f10,f12,f13,f14,f15,f16,f17,f18,f20,f21,f23,f24,f25,f22,f11,f62,f128,f136,f115,f152', '_': '1608882115527', } headers = { 'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/81.0.4044.138 Safari/537.36' } response = requests.get(url=url, params=params, headers=headers) result = re.findall('jQuery1124036392017581464287_1608882113715((.*?));', response.text)[0] html_data = json.loads(result) stock_data = html_data['data']['diff'] pprint.pprint(stock_data)
对于这个网站，以上两种方法都是可以的，但是一般建议使用第二种方式，因为第一种方式毕竟是投机取巧。
取值之后是一个列表的数据，通过用于循环遍历即可，获取每一支股票的相关数据了，通过键值对取值获取相对应的数据即可。
for i in stock_data: dit = { '代码': i['f12'], '名称': i['f14'], '最新价': i['f2'], '涨跌幅': str(i['f3']) + '%', '涨跌额': i['f4'], '成交量(手)': i['f5'], '成交额': i['f6'], '振幅': str(i['f7']) + '%', '最高': i['f15'], '最低': i['f16'], '今开': i['f17'], '昨收': i['f18'], '量比': i['f10'], '换手率': str(i['f8']) + '%', '市盈率(动态)': i['f9'], '市净率': i['f23'], }
保存数据通过csv模块保存就可以了。
使用多线程爬取速度有多快？
给五个线程时的速度：
if __name__ == '__main__': start_time = time.time() executor = concurrent.futures.ThreadPoolExecutor(max_workers=5) for page in range(1, 215): url = f'http://49.push2.eastmoney.com/api/qt/clist/get?pn={page}&pz=20&po=1&np=1&ut=bd1d9ddb04089700cf9c27f6f7426281&fltt=2&invt=2&fid=f3&fs=m:0+t:6,m:0+t:13,m:0+t:80,m:1+t:2,m:1+t:23&fields=f1,f2,f3,f4,f5,f6,f7,f8,f9,f10,f12,f13,f14,f15,f16,f17,f18,f20,f21,f23,f24,f25,f22,f11,f62,f128,f136,f115,f152&_=1608882114076' executor.submit(main, url) executor.shutdown()
总耗时：3.685572624206543
总计数据：4279条数据
所以平均每秒钟爬取1161条数据。
当我给10个线程时的速度：
if __name__ == '__main__': start_time = time.time() executor = concurrent.futures.ThreadPoolExecutor(max_workers=10) for page in range(1, 215): url = f'http://49.push2.eastmoney.com/api/qt/clist/get?pn={page}&pz=20&po=1&np=1&ut=bd1d9ddb04089700cf9c27f6f7426281&fltt=2&invt=2&fid=f3&fs=m:0+t:6,m:0+t:13,m:0+t:80,m:1+t:2,m:1+t:23&fields=f1,f2,f3,f4,f5,f6,f7,f8,f9,f10,f12,f13,f14,f15,f16,f17,f18,f20,f21,f23,f24,f25,f22,f11,f62,f128,f136,f115,f152&_=1608882114076' executor.submit(main, url) executor.shutdown()
总耗时：1.7553794384002686
总计数据：4279条数据
所以平均每秒钟爬取2437条数据。
当我给20个线程时的速度：
。
。
。
。
。
。
。
。
。
。
给不了，电脑顶不住。