Python 爬虫实战：如何在东方财富网抓取股票行情数据，提升投资决策精准度

程序员威哥

于 2025-06-18 07:01:09 发布

阅读量2.2k

点赞数 5

CC 4.0 BY-SA版权

分类专栏：最新爬虫实战项目文章标签： python 爬虫开发语言

本文链接：https://blog.csdn.net/shanwei_spider/article/details/148729055

最新爬虫实战项目专栏收录该内容

207 篇文章 ¥49.90 ¥99.00

订阅专栏

超级会员免费看

前言

随着金融市场的快速发展，投资者越来越依赖于实时的股票行情数据来做出决策。在这个过程中，股票数据爬取成为了许多投资者、数据分析师和金融工程师的重要技能。通过编写一个高效的股票数据爬虫，我们可以快速抓取大量股票信息，并进行实时监控与分析，从而帮助做出更加精准的投资决策。

本文将展示如何通过 Python 爬虫 从 东方财富网（东财网）抓取股票行情数据，并提供一些简单的数据分析手段，帮助用户更好地理解如何利用这些数据进行投资决策。

技术栈与工具

在这篇文章中，我们将使用以下 Python 库和工具：

爬虫工具：
- requests：发送 HTTP 请求，抓取网页数据。
- BeautifulSoup：解析 HTML 页面，提取股票数据。
数据处理与分析：
- Pandas：处理和分析股票数据。
- Matplotlib：可视化股票数据，展示行情趋势。
辅助工具：
- time：控制请求频率，避免请求过于频繁导致被封禁。
- os：创建文件夹并保存数据。

一、选择股票数据源：东方财富网

东方财富网作为中国领先的金融信息平台，提供了包括股票行情、公司资讯、财务报表、资金流向等多个维度的实时数据。我们将以东方财富网的 股票行情页面 为数据源，抓取以下主要信息：

股票代码：唯一标识股票。
股票名称：股票的中文名称。
最新价格：当前股票的价格。
涨跌幅：当前股票的涨跌幅度。
成交量：股票的成交量。

二、爬取东方财富网股票行情数据

2.1 发送请求并获取网页内容

首先，我们需要通过 requests 发送 HTTP 请求，获取网页内容。为了避免访问限制，我们可以通过设置请求头来模拟浏览器访问。

import requests
from bs4 import BeautifulSoup

# 东方财富网股票行情页面的URL
url = "http://quote.eastmoney.com/center/gridlist.html#hs_a_board"

# 设置请求头，模拟浏览器访问
headers = {
    "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.124 Safari/537.36"
}

# 发送 GET 请求获取网页内容
response = requests.get(url, headers=headers)

# 如果请求成功，获取网页内容
if response.status_code == 200:
    html = response.text
else:
    print("网页请求失败！")
    html = ""

此时，我们已经成功获取了网页的 HTML 内容。

2.2 解析网页内容

东方财富网的股票行情页面使用了 表格布局，因此我们可以通过解析表格来提取所需的股票数据。利用 BeautifulSoup，我们可以轻松找到并解析这些数据。

# 使用 BeautifulSoup 解析网页
soup = BeautifulSoup(html, 'html.parser')

# 找到包含股票数据的表格
table = soup.find('table', {'class': 'table'})

# 提取表格中的每一行数据
rows = table.find_all('tr')

# 打印每一行的数据
for row in rows[1:]:  # 跳过表头
    cols = row.find_all('td')
    stock_code = cols[0].text.strip()
    stock_name = cols[1].text.strip()
    current_price = cols[2].text.strip()
    price_change = cols[3].text.strip()
    trade_volume = cols[4].text.strip()
    
    print(f"股票代码: {stock_code}, 股票名称: {stock_name}, 当前价格: {current_price}, 涨跌幅: {price_change}, 成交量: {trade_volume}")

这段代码将从网页表格中提取每一行的股票数据，包含股票代码、股票名称、当前价格、涨跌幅和成交量等信息。

三、保存数据到本地

在实际应用中，我们通常需要将抓取的数据保存到本地以供后续分析。我们可以将数据保存为 CSV 文件，利用 Pandas 进行数据处理与分析。

3.1 保存数据到 CSV 文件

import pandas as pd

# 创建一个空的 DataFrame 用于存储股票数据
stock_data = []

# 解析并提取每一行的数据
for row in rows[1:]:
    cols = row.find_all('td')
    stock_code = cols[0].text.strip()
    stock_name = cols[1].text.strip()
    current_price = cols[2].text.strip()
    price_change = cols[3].text.strip()
    trade_volume = cols[4].text.strip()
    
    # 将每行数据保存为字典格式
    stock_data.append({
        '股票代码': stock_code,
        '股票名称': stock_name,
        '当前价格': current_price,
        '涨跌幅': price_change,
        '成交量': trade_volume
    })

# 将数据保存为 Pandas DataFrame
df = pd.DataFrame(stock_data)

# 保存为 CSV 文件
df.to_csv('stock_data.csv', index=False, encoding='utf-8')

print("数据已保存为 stock_data.csv")

此时，我们的股票数据已经成功保存为 CSV 文件，便于后续的分析。

四、数据分析与可视化

使用 Pandas 和 Matplotlib，我们可以对抓取到的股票数据进行分析和可视化，帮助投资者快速识别市场趋势。

4.1 数据处理

通过 Pandas，我们可以对股票的 涨跌幅 和 成交量 进行进一步的数据处理，转换为数值类型并进行分析。

# 转换涨跌幅和成交量为数值类型
df['涨跌幅'] = df['涨跌幅'].str.replace('%', '').astype(float)
df['成交量'] = df['成交量'].apply(lambda x: int(x.replace(',', '')))

# 计算涨跌幅的平均值和成交量的总和
average_change = df['涨跌幅'].mean()
total_volume = df['成交量'].sum()

print(f"平均涨跌幅: {average_change:.2f}%")
print(f"总成交量: {total_volume:,}")

4.2 可视化分析

通过绘制 涨跌幅分布图 和 成交量趋势图，我们可以更直观地了解股票市场的走势。

import matplotlib.pyplot as plt

# 绘制涨跌幅的分布图
plt.figure(figsize=(10, 6))
plt.hist(df['涨跌幅'], bins=50, color='skyblue', edgecolor='black')
plt.title('涨跌幅分布')
plt.xlabel('涨跌幅 (%)')
plt.ylabel('股票数量')
plt.grid(True)
plt.show()

# 绘制成交量的趋势图
plt.figure(figsize=(10, 6))
plt.plot(df['股票名称'], df['成交量'], color='green', marker='o')
plt.title('成交量趋势图')
plt.xlabel('股票名称')
plt.ylabel('成交量')
plt.xticks(rotation=90)
plt.grid(True)
plt.show()