码农技术炒股之路——抓取股票基本信息、实时交易信息、主力动向信息

        从本节开始，我们开始介绍各个抓取和备份业务。（转载请指明出于breaksoftware的csdn博客）

        因为我们数据库很多，数据库中表也很多，所以我们需要一个自动检测并创建数据库和表的功能。在《码农技术炒股之路——数据库管理器、正则表达式管理器》一文中，我们介绍了数据库管理器帮我们自动创建数据库，但是没有自动创建表的功能。于是我们需要实现一个。

class prepare_table():
    def __init__(self, conn_name, table_template_name):
        self._conn_name = conn_name
        self._table_template_name = table_template_name
        self._create_table_format = ""

    def prepare(self, table_name):
        self._create_table_if_not_exist(table_name)
    
    def _get_table_template(self):
        file_path = "./conf/table_template/" + self._table_template_name + ".ttpl"
        if False == os.path.isfile(file_path):
            LOG_WARNING("can't read %s" %(file_path))
            return

        fobj = open(file_path)
        try:
             self._create_table_format = fobj.read()
        except:
            self._create_table_format = ""
            LOG_WARNING("get table_template file error.path: %s" % (file_path))
        finally:
            fobj.close()

    def _create_table_if_not_exist(self, table_name):
        db_manager = mysql_manager()
        conn = db_manager.get_mysql_conn(self._conn_name)
        if False == conn.has_table(table_name):
            if len(self._create_table_format) == 0:
                self._get_table_template()
            if len(self._create_table_format) == 0:
                return
            sql = self._create_table_format % (table_name)
            data = conn.execute(sql)
            conn.refresh_tables_info()

        如果数据表不存在，prepare_table类根据传入的模板名称在配置文件中读取创建表的SQL，然后执行。如果存在，则什么都不做。

        这个功能非常必要。因为每天都有新股产生，我们不能每天手工去创建和该股票相关的表。于是自动检测并创建可以帮我们省去很多麻烦。

股票基本信息

        目前我保存的股票基本信息只有股票代码、股票名称和所在市场。由于不定期有新股上市，所以这个信息每天早上要第一个更新。之后业务会根据该表获得所有股票代码，然后才能进行操作。

[update_share_base_info]
type=cron
class=update_stock_base_info
day_of_week=1-5
hour=9
minute=30
second=10
timezone = Asia/Shanghai

        上面配置意思是每周一到周五，9点30分10秒获取一次。

        我们再看下创建表的模板（share_base.ttpl）

CREATE TABLE `%s` (
  `share_id` char(6) COLLATE utf8_unicode_ci NOT NULL DEFAULT '000000' COMMENT '股票代码',
  `share_name` varchar(36) COLLATE utf8_unicode_ci NOT NULL DEFAULT '' COMMENT '股票名称',
  `market_type` tinyint(4) NOT NULL DEFAULT '0' COMMENT '市场 1 沪市 2 深市',
  PRIMARY KEY (`share_id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8 COLLATE=utf8_unicode_ci COMMENT='股票基本信息';

        最后我们看下代码。

        在构造函数中，我们指定所用到的数据库连接配置为stock_db，表模板是share_base，表名是share_base_info

class update_stock_base_info(job_base):
    def __init__(self):
        self._regular_split_manager = regular_split_manager()
        self._db_manager = mysql_manager()
        self._conn_name = "stock_db"
        self._prepare_table = prepare_table(self._conn_name, "share_base")
        self._table_name = "share_base_info"

        然后在run函数中检查或新建表，并完成数据抓取和写入

    def run(self):
        data = self._get_data()
        self._prepare_table.prepare(self._table_name)
        self._save_data(data)
        LOG_INFO("run update_stock_base_info")

        数据我们从东方财富网抓取

    def _get_data(self):
        url = r"http://nufm.dfcfw.com/EM_Finance2014NumericApplication/JS.aspx/JS.aspx?type=ct&st=(FFRank)&sr=1&p=1&ps=3500&js=var%20mozselQI={pages:(pc),data:[(x)]}&token=894050c76af8597a853f5b408b759f5d&cmd=C._AB&sty=DCFFITAM&rt=49461817"
        res = fetch_data.get_data(fetch_data.query_http(url))
        return res

        然后通过正则表达式管理器，通过指定名称的策略，将结果分解出来

    def _save_data(self, data):
        data_array = self._regular_split_manager.get_split_data(data, "string_comma_regular")

        然后枚举上面结果，将相应坐标数据和数据库中字段关联，最后写入表中

        for item in data_array:
            share_market_type = item[0]
            share_id = item[1]
            share_name = item[2]
            if len(share_id) > 0 and len(share_name) > 0:
                share_info = {"share_id":share_id, "share_name":share_name, "market_type":share_market_type}
                conn = self._db_manager.get_mysql_conn(self._conn_name)
                conn.insert_onduplicate(self._table_name, share_info, ["share_id"])

        有了之前介绍的一系列管理器，我们便通过不到40行代码把数据抓取并入库。我们看下抓取结果

股票实时交易信息

        股票实时交易信息是保存在一个叫做daily_temp的数据库中

class update_today_trade_info(job_base):
    def __init__(self):
        self._db_manager = mysql_manager()
        self._conn_name = "daily_temp"
        self._base_conn_name = "stock_db"
        self._prepare_table = prepare_table(self._conn_name, "today_trade_info")
        self._pre_share_count = 0
        self._share_ids_str_list = []

        使用today_trade_info模板去准备数据库

CREATE TABLE `%s` (
  `seq_id` bigint(64) NOT NULL AUTO_INCREMENT COMMENT '自增ID',
  `share_id` char(6) CHARACTER SET latin1 NOT NULL DEFAULT '000000',
  `share_name` varchar(32) COLLATE utf8_unicode_ci NOT NULL DEFAULT '' COMMENT '股票名称',
  `today_open` float(16,2) NOT NULL DEFAULT '0.00' COMMENT '今日开盘价',
  `yesterday_close` float(16,2) NOT NULL DEFAULT '0.00' COMMENT '昨天收盘价',
  `cur` float(16,2) NOT NULL DEFAULT '0.00' COMMENT '当前价格',
  `today_high` float(16,2) NOT NULL DEFAULT '0.00' COMMENT '今日最高',
  `today_low` float(16,2) NOT NULL DEFAULT '0.00' COMMENT '今日最低',
  `compete_buy_price` float(16,2) NOT NULL DEFAULT '0.00' COMMENT '竞买价格（买一价格）',
  `compete_sale_price` float(16,2) NOT NULL DEFAULT '0.00' COMMENT '竞卖价格（卖一价格）',
  `trade_num` bigint(64) NOT NULL DEFAULT '0' COMMENT '成交的股票数',
  `trade_price` float(32,2) NOT NULL DEFAULT '0.00' COMMENT '成交的金额',
  `buy_1_num` bigint(64) NOT NULL DEFAULT '0' COMMENT '买一数量',
  `buy_1_price` float(16,2) NOT NULL DEFAULT '0.00' COMMENT '买一价格',
  `buy_2_num` bigint(64) NOT NULL DEFAULT '0' COMMENT '买二数量',
  `buy_2_price` float(16,2) NOT NULL DEFAULT '0.00' COMMENT '买二价格',
  `buy_3_num` bigint(64) NOT NULL DEFAULT '0' COMMENT '买三数量',
  `buy_3_price` float(16,2) NOT NULL DEFAULT '0.00' COMMENT '买三价格',
  `buy_4_num` bigint(64) NOT NULL DEFAULT '0' COMMENT '买四数量',
  `buy_4_price` float(16,2) NOT NULL DEFAULT '0.00' COMMENT '买四价格',
  `buy_5_num` bigint(64) NOT NULL DEFAULT '0' COMMENT '买五数量',
  `buy_5_price` float(16,2) NOT NULL DEFAULT '0.00' COMMENT '买五价格',
  `sale_1_num` bigint(64) NOT NULL DEFAULT '0' COMMENT '卖一数量',
  `sale_1_price` float(16,2) NOT NULL DEFAULT '0.00' COMMENT '卖一价格',
  `sale_2_num` bigint(64) NOT NULL DEFAULT '0' COMMENT '卖二数量',
  `sale_2_price` float(16,2) NOT NULL DEFAULT '0.00' COMMENT '卖二价格',
  `sale_3_num` bigint(64) NOT NULL DEFAULT '0' COMMENT '卖三数量',
  `sale_3_price` float(16,2) NOT NULL DEFAULT '0.00' COMMENT '卖三价格',
  `sale_4_num` bigint(64) NOT NULL DEFAULT '0' COMMENT '卖四数量',
  `sale_4_price` float(16,2) NOT NULL DEFAULT '0.00' COMMENT '卖四价格',
  `sale_5_num` bigint(64) NOT NULL DEFAULT '0' COMMENT '卖五数量',
  `sale_5_price` float(16,2) NOT NULL DEFAULT '0.00' COMMENT '卖五价格',
  `time_date_str` varchar(32) COLLATE utf8_unicode_ci NOT NULL DEFAULT '' COMMENT '更新时间（日期）',
  `time_str` varchar(32) COLLATE utf8_unicode_ci NOT NULL DEFAULT '' COMMENT '更新时间（时间）',
  `empty` int(16) NOT NULL DEFAULT '0' COMMENT '空占位',
  PRIMARY KEY (`seq_id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8 COLLATE=utf8_unicode_ci COMMENT='今日交易数据';

        因为我们要将一天的数据放在一个表中，也就是说每天一张表。于是表要使用日期加以区分

    def run(self):
        date_info = time.strftime('%Y_%m_%d')
        table_name = "trade_info_%s" % (date_info)
        self._prepare_table.prepare(table_name)

        下一步是数据获取。

        ids_str_list = self._get_all_share_ids()
        for ids_str in ids_str_list:
            data = self._get_data(ids_str)
            self._parse_data_and_insert_db(table_name, data)
        LOG_INFO("run update_today_trade_info")

        这次我们通过新浪的接口获取数据。由于该接口不能支持一次性拉取三千多支股票信息，所以在拉取前，我需要对拉取的股票代码进行切片。这次我们要使用到股票基本信息表的数据来进行数据组装。

    def _get_all_share_ids(self):
        db_manager = mysql_manager()
        conn = db_manager.get_mysql_conn(self._base_conn_name)
        count_info = conn.select("share_base_info", ["count(*)"],{})
        count = int(count_info[0][0])
        if count == self._pre_share_count:
            return self._share_ids_str_list
        #share_ids = conn.select("share_base_info", ["share_id", "market_type"],{"share_id":["601375", "="]})
        share_ids = conn.select("share_base_info", ["share_id", "market_type"],{})
        ids = []
        for item in share_ids:
            market_type = item[1]
            pre = ""
            if 1 == market_type:
                pre = "sh"
            elif 2 == market_type:
                pre = "sz"
            else:
                continue
            new_id = pre + item[0]
            ids.append(new_id)

        id_count = len(ids)
        count_per = 500
        page = id_count/count_per
        ids_str_list = []
        for index in range(page+1):
            ids_list = ids[index*count_per:(index+1)*count_per]
            ids_str = "," . join(ids_list)
            ids_str_list.append(ids_str)
        self._share_ids_str_list = ids_str_list
        self._pre_share_count = count
        return self._share_ids_str_list

        为了尽量减少不同批次股票同步时间的差异，需要每次尽量请求多的数据。我是按500个一批进行切片的。
        拉取数据的逻辑很简单，就是发起一次请求

    def _get_data(self, ids):
        url_pre = "http://hq.sinajs.cn/list="
        url = url_pre + ids
        res = fetch_data.get_data(fetch_data.query_http(url))
        res = res.decode("gbk").encode("utf-8")
        return res

        最后我们将数据通过正则表达式管理器按照hq_sinajs_cn_list策略进行拆分。并通过指定相应位和数据库字段的关系，将其插入到表中

    def _parse_data_and_insert_db(self, table_name, data):
        ret_array = fetch_data.get_data(fetch_data.regular_split("hq_sinajs_cn_list", data))
        if 0 == len(ret_array):
            LOG_WARNING("hg_sinajs_cn_list regular %s empty data" %(data))
            return

        data_array = []

        into_db_columns = ["share_id","share_name","today_open","yesterday_close","cur","today_high","today_low","compete_buy_price","compete_sale_price",
                "trade_num","trade_price","buy_1_num","buy_1_price","buy_2_num","buy_2_price","buy_3_num","buy_3_price","buy_4_num","buy_4_price",
                "buy_5_num","buy_5_price","sale_1_num","sale_1_price","sale_2_num","sale_2_price","sale_3_num","sale_3_price","sale_4_num","sale_4_price",
                "sale_5_num","sale_5_price","time_date_str","time_str","empty"]
        columns_count = len(into_db_columns)

        for item in ret_array:
            if len(item) != columns_count:
                LOG_INFO("%s length is not match for column length %d" %(str(item), columns_count))
                continue
            data_array.append(item)

        if 0 == len(data_array):
            return

        db_manager = mysql_manager()
        conn = db_manager.get_mysql_conn(self._conn_name)
        conn.insert_data(table_name ,into_db_columns, data_array)

股票主力动向信息

        主力动向信息的获取和实时交易信息获取是类似的。我只列出区别部分。

        主力动向使用的是today_market_maker模板创建数据表

CREATE TABLE `%s` (
  `seq_id` bigint(64) NOT NULL AUTO_INCREMENT COMMENT '自增ID',
  `market_type` tinyint(4) NOT NULL DEFAULT '0' COMMENT '1 沪市 2 深市',
  `share_id` char(6) CHARACTER SET latin1 NOT NULL DEFAULT '' COMMENT '股票代码',
  `share_name` varchar(36) COLLATE utf8_unicode_ci NOT NULL DEFAULT '' COMMENT '股票名称',
  `price` float(16,2) NOT NULL DEFAULT '0.00' COMMENT '股票价格',
  `up_percent` float(16,2) NOT NULL DEFAULT '0.00' COMMENT '涨幅',
  `market_maker_net_inflow` float(64,2) NOT NULL DEFAULT '0.00' COMMENT '主力净流入',
  `market_maker_net_inflow_per` float(16,2) NOT NULL DEFAULT '0.00' COMMENT '主力净流入占比',
  `huge_inflow` float(64,2) NOT NULL DEFAULT '0.00' COMMENT '超大单净流入',
  `huge_inflow_per` float(16,2) NOT NULL DEFAULT '0.00' COMMENT '超大单净流入占比',
  `large_inflow` float(64,2) NOT NULL DEFAULT '0.00' COMMENT '大单净流入',
  `large_inflow_per` float(16,2) NOT NULL DEFAULT '0.00' COMMENT '大单净流入占比',
  `medium_inflow` float(64,2) NOT NULL DEFAULT '0.00' COMMENT '中单净流入',
  `medium_inflow_per` float(16,2) NOT NULL DEFAULT '0.00' COMMENT '中单净流入占比',
  `small_inflow` float(64,2) NOT NULL DEFAULT '0.00' COMMENT '小单净流入',
  `small_inflow_per` float(16,2) NOT NULL DEFAULT '0.00' COMMENT '小单净流入占比',
  `time_str` varchar(64) CHARACTER SET latin1 NOT NULL DEFAULT '' COMMENT '时间',
  PRIMARY KEY (`seq_id`)
) ENGINE=InnoDB AUTO_INCREMENT=0 DEFAULT CHARSET=utf8 COLLATE=utf8_unicode_ci COMMENT='主力行为统计';

        这次数据是从东方财富网抓取的。一个不错的消息是，该接口支持三千多支股票同时抓取，于是避免了之前要做切片的问题

    def _get_data(self):
        date_info = time.strftime('%Y-%m-%d')
        url_fomart = "http://nufm.dfcfw.com/EM_Finance2014NumericApplication/JS.aspx/JS.aspx?type=ct&st=(BalFlowMain)&sr=-1&p=3&ps=%d&js=var%%20vDUaFOen={pages:(pc),date:%%22%s%%22,data:[(x)]}&token=894050c76af8597a853f5b408b759f5d&cmd=C._AB&sty=DCFFITA&rt=49430148"
        url = format(url_fomart % (3500, date_info))
        res = fetch_data.get_data(fetch_data.query_http(url))
        return res

        唯一不好的是部分没有的数据是使用-符号表示，这对我们正则分析提出了挑战。但是我们可以灵活处理，在正则拆分前将其替换成0

        data = self._get_data()
        data = data.replace("-,", "0,")
        self._parse_data_and_insert_db(table_name, data)
        LOG_INFO("run update_today_market_maker_info")

        最后将拆分后的数据与表中字段关联，插入表中即可

    def _parse_data_and_insert_db(self, table_name, data):
        data_array = fetch_data.get_data(fetch_data.regular_split("string_comma_regular", data))
        db_manager = mysql_manager()
        conn = db_manager.get_mysql_conn(self._conn_name)
        into_db_columns = ["market_type", "share_id", "share_name", "price", "up_percent", "market_maker_net_inflow", "market_maker_net_inflow_per", "huge_inflow", "huge_inflow_per", "large_inflow", "large_inflow_per", "medium_inflow", "medium_inflow_per", "small_inflow", "small_inflow_per", "time_str"]
        conn.insert_data(table_name ,into_db_columns, data_array)

        实时交易和主力动向数据都是30秒抓取一次，这儿只列出主力动向的任务配置。它分为上午和下午，由于存在整点问题，所以上午和下午的配置还是有点区别的

[update_today_market_maker_info_am_part1]
type=cron
class=update_today_market_maker_info
day_of_week=1-5
hour=9
minute=30-59
second = */30
timezone = Asia/Shanghai

[update_today_market_maker_info_am_part2]
type=cron
class=update_today_market_maker_info
day_of_week=1-5
hour=10
second = */30
timezone = Asia/Shanghai

[update_today_market_maker_info_am_part3]
type=cron
class=update_today_market_maker_info
day_of_week=1-5
hour=11
minute=0-30
second = */30
timezone = Asia/Shanghai

[update_today_market_maker_info_pm_1]
type=cron
class=update_today_market_maker_info
day_of_week=1-5
hour=13-14
second = */30
timezone = Asia/Shanghai

[update_today_market_maker_info_pm_2]
type=cron
class=update_today_market_maker_info
day_of_week=1-5
hour=15
minute=0
second=30
timezone = Asia/Shanghai