继承会直接更新,下边就以抓取交易所网站的总结数据为例

xpath用法

xpath用来解析html,得到实惠的音讯。上面是自己在其实中所用到的,后续会平素更新:

  • page.xpath(“//div[position()>51]”) 获取地点大于51的享有div
  • page.xpath(“//td[@rowspan]”) 获取含有rowspan属性的具备td
  • page.xpath(“//td[@rowspan or not(@colspan)]”)
    获取具有含有rowspan属性和不包含colspan属性的td
  • page.xpath(“//*[contains(text(),’你好’)]”) 匹配所有含有 你好
    字样的元素 ,
    text() 可以获取标签内的文字

上次有心上人问怎么抓取交易所网站的数码,特别是野史数据,这里特别推荐使用selenium这一自动化测试框架。

原来selenium是用来成功大气依照浏览器的自动化测试的,但出于可以一本万利地实践JS代码,摸拟用户点击和操作,

据此可以与PYTHON结合贯彻部分不怎么复杂一点的网页抓取操作。

上面就以抓取交易所网站的统计数据为例,表达双方结合的一些用法。

跟普通的抓取操作相比,稍微复杂一点的地点在于:

1)如下图所示,默认抓取上交所网页数据只好取到近年来一个工作日的总计数据,如若想取过去的数额,只好人工点击日历控件完成日期拔取,不可以输入,因此必须:

a)去掉日期元素的只读属性

b)清空原有日期值,设置想读取的日期值

c)由于页面有延迟加载的图景,因而必须在适龄的点设定一定的等待时间

图片 1

“`

#encoding:utf8

“””

@author:xuyuming

@contact:283548048@qq.com

@time:2016/8/8 22:47

“””

fromseleniumimportwebdriver

importtime

###############################取深交所相关总计数据#################################################

driver=webdriver.Chrome()

driver.get(“http://www.szse.cn/main/marketdata/tjsj/jyjg/“)

#抓取上交所交易日历数量

driver.find_element_by_name(“txtDate”).clear()

#设置总结数据的多寡日期

driver.find_element_by_name(“txtDate”).send_keys(“2016-08-05”)

#点击查询按钮

driver.find_element_by_id(“1804_tab1_btn”).click()

time.sleep(1)

#股票总成交金额 ,从CHROME自带的“检查”功用博得XPATH路径为
 //*[@id=”REPORTID_tab1″]/tbody/tr[2]/td[3]

total_tradeamt=driver.find_element_by_xpath(“//*[@id=’REPORTID_tab1′]/tbody/tr[2]/td[3]”).text

#股票总流通市值 //*[@id=”REPORTID_tab1″]/tbody/tr[2]/td[8]

negotiableValue=driver.find_element_by_xpath(‘//*[@id=”REPORTID_tab1″]/tbody/tr[2]/td[8]’).text

#b股总成交金额

tradeamtB=driver.find_element_by_xpath(‘//*[@id=”REPORTID_tab1″]/tbody/tr[4]/td[3]’).text

#b股总流通市值

negotiableValueB=driver.find_element_by_xpath(‘//*[@id=”REPORTID_tab1″]/tbody/tr[4]/td[8]’).text

driver.quit()

# 深市A股总流通市值为深市总市值减去深市B股总市值

negotiableValueA_sz=int(negotiableValue.replace(‘,’,”))-int(negotiableValueB.replace(‘,’,”))

# 深市A股总成交额为深市总成交额减去深市B股总成交额

tradeamtA_sz=int(total_tradeamt.replace(‘,’,”))-int(tradeamtB.replace(‘,’,”))

#打印A股流通市值和成交金额

printnegotiableValueA_sz,tradeamtA_sz

##################################取上交所有关总结数据###############################################

#remove readonly attribute

driver=webdriver.Chrome()

driver.get(“http://www.sse.com.cn/market/stockdata/overview/day/“)

#等候一分钟,确保页面加载完毕,以便于继续修改DOM元素只读属性后不会被页面延迟加载后覆盖

time.sleep(1)

#去掉元素的只读属性

driver.execute_script(“var
setDate=document.getElementById(‘start_date2’);setDate.removeAttribute(‘readonly’);”)

#固化到日期控件

setDatElement=driver.find_element_by_xpath(“//input[@id=’start_date2′]”)

#排除内容

setDatElement.clear()

#重复填上点名的值

setDatElement.send_keys(“2016-08-05”)

#点击“查询”按钮

driver.find_element_by_id(“btnQuery”).click()

time.sleep(1)

negotiableValueA_sh=driver.find_element_by_xpath(‘//*[@id=”tableData_934″]/div[2]/table/tbody/tr[3]/td[3]/div’).text

#取最新的沪市A股成交金额
//*[@id=”tableData_934″]/div[2]/table/tbody/tr[5]/td[3]/div

trdAmtA_sh=driver.find_element_by_xpath(‘//*[@id=”tableData_934″]/div[2]/table/tbody/tr[5]/td[3]/div’).text

#取最新的沪市A股平均市盈率

profitRateA_sh=driver.find_element_by_xpath(‘//*[@id=”tableData_934″]/div[2]/table/tbody/tr[7]/td[3]/div’).text

#打印沪市成交金额 ,流通市值以及完整市盈率

printnegotiableValueA_sh,trdAmtA_sh,profitRateA_sh

driver.quit()

“`