scrapy框架爬取股票信息

⑴ 如何捕捉板块龙头股和抓取龙头股和板块轮动

抓龙头股需要良好的看盘能力，敏锐的嗅觉加果断的决策。新手的话可以用个好点的软件辅助，比如说牛股宝手机炒股，可以跟着牛人榜里的牛人去操作，这样要稳妥得多。
1：要准确判断龙头股，必须先掌握龙头板块，一般讲，龙头板块才是孕育龙头股的温床。
2：要准确地判断热点轮换，在一个多头控制的市场环境中，买盘是非常旺盛的，这个时候，应该密切注意消息面和政策面变化，这个时候的一点政策消息，市场传闻都会迅速形成干柴烈火趋势。
3：抓对了龙头板块，必须注意龙头板块里的中小盘个股动向，多注意流通盘在2亿以下，个股价格在5元以下的品种，前者是主力做盘最适合的股本结构，盘子大了，不利于筹码收集，后者低价是所有优势里的优势，越价低越具备不断翻番概率，很难想象，一只股价超过10元的品种翻番可能性有多少，涨到15元，市场就不敢跟了，而价格在3、4元的品种，翻两番，还是低价股。
4：注意研究最近的财务报表。注意流通股东的情况，一个是最好是没有基金、机构持股的情况，基金、机构持有的品种，往往股性死，要变牛也是慢牛，不会急速翻番。二个是游资从不与基金、机构为伍，而基金、机构虽然势力强，但是，他们玩起短线来，比散户都小气，有跟风盘就跑。三个是能不能发现“拖拉机”帐户，是不是有“超级散户”在场痕迹。如果有，那么，这个品种应该重点跟踪。
5：个股是否有独立性。如大盘上涨，其涨速快于大盘，大盘横盘它小涨，大盘大涨它涨停，大盘下跌，他横盘。
6：换手率、资金排行一般在未启动的时候，都占市场总排行的前50位，活跃期基本在前30位。
7：龙头启动前，基本会有一个跳空缺口产生，主力迫切需要甩开与市场平均成本的距离，把自身主动权扩大，树立强烈的赚钱效应，即使是思维敏捷的短线高手跟盘也不得不选择以第一个涨停追进。不妨对照纯多头市场:三种涨停应大胆追击的描述。
8：通常在涨停的时候会随大盘跳水的时候，打开涨停，而且会一次比一次的时间短，每一次打开涨停的时候，每次价格下跌的落差会越来越小，最终牢牢封死，卖压缩小。
9：除启动前震荡过程中有密集的成交和换手外，股票随着涨停的增加，成交量越来越小，说明庄家高度控盘，筹码高度集中，后期上涨潜力扩大。

⑵ 如何用爬虫抓取股市数据并生成分析报表

我用前嗅的forespider数据采集软件爬过股市信息的，比较简单，分析了一下历史股价，目前数据还不多没做太多分析。过几天再说

⑶ 100银子求助抓取同花顺网页股票数据

没有详细的 说明啊

⑷ 如何用python抓取股票数据

在 Python的QSTK中，是通过 s_datapath 变量，定义相应股票数据所在的文件夹。一般可以通过 QSDATA 这个环境变量来设置对应的数据文件夹。
具体的股票数据来源，例如沪深、港股等市场，你可以使用免费的WDZ程序输出相应日线、5分钟数据到 s_datapath 变量所指定的文件夹中。然后可使用 Python的QSTK中，qstkutil.DataAccess进行数据访问。

⑸ 如何使用python抓取炒股软件中资金数据

这个说来有点复杂，用fiddle监控软件跟服务器间的通讯，找到数据源地址，然后用excel或python抓这个源地址数据，可能还要加上反扒代码，构造时间戳等等，你网上找python网抓视频教程看看就知道了。

⑹ 做个虚拟炒股的网站，不知道实时股票数据从哪里搞到，怎么搞，从别网站抓取怎么抓取

你可以与上海赢富网联系申请接口，他们是代理行情数据的。

⑺ 怎么抓取股票数据

那么中国股市的数据有没有呢？答案是肯定的，不过要按照下面的参数做些调整，下面提供全球证券交易所的资料。
上证股票是股票代码后面加上.ss，深证股票是股票代码后面加上.sz
例如：000001 = 000001.sz
深市数据链接：http://table.finance.yahoo.com/table.csv?s=000001.sz
上市数据链接：http://table.finance.yahoo.com/table.csv?s=600000.ss
上证综指代码：000001.ss，深证成指代码：399001.SZ，沪深300代码：000300.ss
下面就是世界股票交易所的网址和缩写，要查找哪个股票交易所的数据，就按照上面的格式以此类推。
上海交易所=cn.finance.yahoo.com,.SS,Chinese,sl1d1t1c1ohgv
深圳交易所=cn.finance.yahoo.com,.SZ,Chinese,sl1d1t1c1ohgv
美国交易所=finance.yahoo.com,,United States,sl1d1t1c1ohgv
加拿大=ca.finance.yahoo.com,.TO,Toronto,sl1d1t1c1ohgv
新西兰=au.finance.yahoo.com,.NZ,sl1d1t1c1ohgv
新加坡=sg.finance.yahoo.com,.SI,Singapore,sl1d1t1c1ohgv
香港=hk.finance.yahoo.com,.HK,Hong Kong,sl1d1t1c1ohgv
台湾=tw.finance.yahoo.com,.TW,Taiwan,sl1d1t1c1ohgv
印度=in.finance.yahoo.com,.BO,Bombay,sl1d1t1c1ohgv
伦敦=uk.finance.yahoo.com,.L,London,sl1d1t1c1ohgv
澳洲=au.finance.yahoo.com,.AX,Sydney,sl1d1t1c1ohgv
巴西=br.finance.yahoo.com,.SA,Sao Paulo,sl1d1t1c1ohgv
瑞典=se.finance.yahoo.com,.ST,Stockholm,sl1d1t1c1ohgv
以上方法只能提供历史数据，实时数据不能抓取，此方法由ArthurXF提供

⑻ 如何通过软件抓取新浪财经里单只股票数据

如果你是准备抓历史数据，那还不如直接使用免费的wdz程序，沪深1990年至今的全部日线历史；2000年至今十几年的5分钟数据都可以直接输出，而且可转化为各种格式。根本不用去新浪中抓取。

⑼ 如何用爬虫抓取股市数据并生成分析报表

1. 关于数据采集
股票数据是一种标准化的结构数据，是可以通过API接口访问的（不过一般要通过渠道，开放的API有一定的局限性）。也可以通过爬虫软件进行采集，但是爬虫软件采集数据不能保证实时性，根据数据量和采集周期，可能要延迟几十秒到几分钟不等。我们总结了一套专业的爬虫技术解决方案(Ruby + Sidekiq)。能够很快实现这个采集，也可以后台可视化调度任务。

2. 关于展现
网络股票数据的展现，网页端直接通过HTML5技术就已经足够，如果对界面要求高一点，可以采用集成前端框架，如Bootstrap；如果针对移动端开发， 可以使用Ionic框架。

3. 关于触发事件
如果是采用Ruby on Rails的开发框架的话，倒是很方便了，有如sidekiq, whenever这样子的Gem直接实现任务管理和事件触发。

⑽ 如何用python 爬虫抓取金融数据

获取数据是数据分析中必不可少的一部分，而网络爬虫是是获取数据的一个重要渠道之一。鉴于此，我拾起了Python这把利器，开启了网络爬虫之路。

本篇使用的版本为python3.5，意在抓取证券之星上当天所有A股数据。程序主要分为三个部分：网页源码的获取、所需内容的提取、所得结果的整理。

一、网页源码的获取

很多人喜欢用python爬虫的原因之一就是它容易上手。只需以下几行代码既可抓取大部分网页的源码。

为了减少干扰，我先用正则表达式从整个页面源码中匹配出以上的主体部分，然后从主体部分中匹配出每只股票的信息。代码如下。

pattern=re.compile('<tbody[sS]*</tbody>')
body=re.findall(pattern,str(content)) #匹配<tbody和</tbody>之间的所有代码pattern=re.compile('>(.*?)<')
stock_page=re.findall(pattern,body[0]) #匹配>和<之间的所有信息

其中compile方法为编译匹配模式，findall方法用此匹配模式去匹配出所需信息，并以列表的方式返回。正则表达式的语法还挺多的，下面我只罗列所用到符号的含义。

语法 说明

. 匹配任意除换行符“ ”外的字符

* 匹配前一个字符0次或无限次

？ 匹配前一个字符0次或一次

s 空白字符：[<空格> fv]

S 非空白字符：[^s]

[...] 字符集，对应的位置可以是字符集中任意字符

(...) 被括起来的表达式将作为分组，里面一般为我们所需提取的内容

正则表达式的语法挺多的，也许有大牛只要一句正则表达式就可提取我想提取的内容。在提取股票主体部分代码时发现有人用xpath表达式提取显得更简洁一些，看来页面解析也有很长的一段路要走。

三、所得结果的整理

通过非贪婪模式(.*?)匹配>和<之间的所有数据，会匹配出一些空白字符出来，所以我们采用如下代码把空白字符移除。

stock_last=stock_total[:] #stock_total：匹配出的股票数据for data in stock_total: #stock_last：整理后的股票数据
if data=='':
stock_last.remove('')

最后，我们可以打印几列数据看下效果，代码如下

print('代码',' ','简称',' ',' ','最新价',' ','涨跌幅',' ','涨跌额',' ','5分钟涨幅')for i in range(0,len(stock_last),13): #网页总共有13列数据
print(stock_last[i],' ',stock_last[i+1],' ',' ',stock_last[i+2],' ',' ',stock_last[i+3],' ',' ',stock_last[i+4],' ',' ',stock_last[i+5])