接口分析
爬数据需要先思考从哪里爬？经过一番搜索和考虑，我发现天天基金网的数据既比较全，又十分容易爬取，所以就从它入手了。
首先，随便点开一支基金，我们可以看到域名就是该基金的代码，十分方便，其次下面有生成的净值图。
基金详情
打开chrome的开发者调试，选择Network，然后刷新一下，很快我们就能发现我们想要的东西了。可以看到，这是基金代码加当前时间的一个接口 请求的url：
http也就是说我们可以简单的通过
http基金代码.js?v=当前时间这样一个接口就能获取到相应的数据了。
打开开发者模式
现在我们来看看这个文件的具体内容是什么？ 显然，这里面的东西就是我们想要的，Data_netWorthTrend里面的"y"就包含了每一天的净值
获取数据
现在我们的接口已经十分明确了，就是http://fund.eastmoney.com/pingzhongdata/基金代码.js?v=当前时间
通过基金代码和当前时间我们就能够获取到相应的数据，接下来就是需要将我们想要的数据从获取的文件中提取出来了，也就是我们说的数据清洗的过程。 这个网站提供的数据不是常见的json格式，因此提取会有点麻烦，比如通过字符串查找等，但是由于这个是js文件，因此，我找到了更合适的方法——利用了PyExecJs模块就能很方便地编译解析js代码啦。
现在直接上代码。
首先终端里，pip install PyExecJs安装上该模块。然后引入这些模块
import 查看数据
这样我们就可以通过基金代码来查到对应的数据啦
netWorth可以看到，最近一天的净值是1.0831，从网站上我们也可以验证一下这个数据是否正确
当然，我们也可以自己画一个走势图来验证一下
import 
可以看到，和天天基金网画的是一样的。 不过这个方法获取的数据有个小问题，就是无法获得对应的确切日期。我们如果分析最近几个周、几个月的数据，其实也可以不需要了解具体某一天的数据，取最近20天、40天等方式即可。当然，也可以从当天开始逆推回去，给每个净值标上日期，不过这个需要忽略节假日，处理起来比较麻烦且必要性不大，我就没有做这个处理。
获取所有基金数据
这里我通过同样的方式，找到了所有基金列表的接口。 通过'http://fund.eastmoney.com/js/fundcode_search.js'便可以直接获取到所有的基金代码，再通过基金代码可以遍历爬取所有基金的数据，具体就不再演示了，下面提供一个可用的代码供参考。 我将下载的数据存成了csv，方便excel打开或用代码读取。当然，总共有近8000支基金，爬取需要大量的时间，因此我将它放在了服务器后台爬取，如果你想提高效率，可以改写成多进程同步爬取，时间将会大大缩短。
import 本文链接：https://my.lmcjl.com/post/4495.html
4 评论