Python抓取第一网贷中国网贷理财每日收益率指数

链接：http://www.p2p001.com/licai/index/id/147.html

所需获取数据链接类似于：http://www.p2p001.com/licai/shownews/id/454.html：

 库：

requests （For human）

re （正则）

pandas （用来处理数据）

BeautifulSoup （用来解析网页文本）

 

此次抓取逻辑思维在代码之后

上代码：

#coding utf-8
import requests
import re
import pandas
from bs4 import BeautifulSoup
user_agent = 'User-Agent: Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; Maxthon 2.0)'
headers = {'User-Agent':user_agent}
#定义函数,得到每日报的链接,并以列表形式返回
def get_newsurl():
    newsurl=[]
    url1='http://www.p2p001.com/licai/index/id/147/p/'
    num=1
    url2='.html'
    while num<=22:
        url=url1+str(num)+url2
        try:
            r1=requests.get(url,headers=headers)        
        except:
            print ('wrong %s' % url)
        else:
            s1=BeautifulSoup(r1.text,'lxml')
            for x in s1.find_all(href=re.compile('licai/shownews')):
                newsurl.append(x['href'])
            num=num+1        
    return newsurl
#定义函数,得到的数据,以字典形式返回
def get_info():
    url='http://www.p2p001.com'
    date=[]
    zonghe=[]
    one=[]
    one_three=[]
    three_six=[]
    six_twelve=[]
    twelve_most=[]
    for y in get_newsurl():
        try:
            main_url=url+y
            r2=requests.get(main_url,headers=headers)
        except:
                print ('wrong %s' % main_url)
        else:
            s2=BeautifulSoup(r2.text,'lxml')
            date.append(s2.find(text=re.compile('统计日期'))[5:])           
            rate=s2.find_all('td')
            zonghe.append(rate[10].string)
            one.append(rate[11].string)
            one_three.append(rate[12].string)
            three_six.append(rate[13].string)
            six_twelve.append(rate[14].string)
            twelve_most.append(rate[15].string)
    p={'Date':date,
        '综合':zonghe,
        '1个月':one,
        '1-3个月':one_three,
        '3-6个月':three_six,
        '6-12个月':six_twelve,
        '12个月及以上':twelve_most}
    return p
#pandas存储数据
p=pd.DataFrame(get_info())

 p.to_csv('f://1//rate1.csv',index=False,

           columns=['Date','综合','1个月','1-3个月','3-6个月','6-12个月','12个月及以上'],

           header=['Date','综合','1个月','1-3个月','3-6个月','6-12个月','12个月及以上'])

 

此次学习总结及反思：

1.为了方便处理，并没有使用数据库来存储数据，而是使用pandas将数据以csv格式保存在本地硬盘F

2.定义第一个函数对象get_newsurl，以列表形式返回理财指数日报链接，第二个函数遍历第一个函数的返回值，进行数据的采集

3.为什么不将pandas的一系列操作放在函数对象get_info中，从而直接完成一系列的操作呢？

　　当时考虑了效率和灵活性考虑。

　　one:如果将pandas的数据操作丢在get_info中，那么调用get_info（）的时候，整个效率将会降低很多很多

　　two:拿出来单独处理，灵活性大大提高，调用get_info()，以字典形式返回我需要的数据，拿到这个数据后，我可以做任何我想做的处理，而不是用一个函数将整个采集下来的数据直接打入地牢，让这些数据没有了自由。

4.抓取思路

  ①先发现日报的链接规律，也就是说共有22页,每页20份日报指数数据，因为只做一次简单的抓取，所以这个值这个可以写死

这个就是第一个函数做的事，返回这些href的值

 ②进入具体的日报页面，抓取我们所需要的数据，并以字典形式返回

③处理并存储数据（pandas）

注明：数据来源于第一网贷http://www.p2p001.com/

 

小白一枚，能力有限，做的不好的地方，尤其是逻辑与思维上的东西，需要大神们看到了多多指教和斧正buddyquan。

QQ:1749061919 小白爬虫求带