爬取上市公司财务数据

python爬取上市公司财务数据

爬取入口
http://data.eastmoney.com/bbsj/201112/yjbb.html
使用selenium进行爬取的，本来参考其他博主的代码，但是有人反馈遇到乱码问题，我使用pandas read_html()进行解析的，没有碰到，效率还是很高的，也比较通用。

上代码吧

from selenium import webdriver
from selenium.common.exceptions import TimeoutException
from selenium.webdriver.common.by import By
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.support.wait import WebDriverWait
import time
import pandas as pd
import os
from time import sleep


chrome_options = webdriver.ChromeOptions()
browser = webdriver.Chrome(chrome_options=chrome_options)
browser.maximize_window()  # 最大化窗口
wait = WebDriverWait(browser, 10)
df=pd.DataFrame()
for p in range(2010,2021):
    url = 'http://data.eastmoney.com/bbsj/'+str(p)+'12/yjbb.html'
    print(url)
    browser.get(url)
    i=1
    page=0
    while True:
        element = browser.find_elements_by_class_name("dataview-body")
        tb = pd.read_html(element[0].get_attribute("outerHTML"))[0]
        tb["年份"]=p
        df=df.append(tb)
        
#判断是否最后一页
        nextpage = browser.find_elements_by_link_text("下一页")
        if len(nextpage)==0:
            break

        i=i+1
#翻页功能
        while True:
            try:
                next_page =wait.until(EC.presence_of_element_located((By.LINK_TEXT,"下一页")))
                wait.until(EC.element_to_be_clickable((By.LINK_TEXT,"下一页"))  )
                next_page.click()
                if wait.until(EC.text_to_be_present_in_element((By.CLASS_NAME,"active"), str(i))):
                    break
            except:
                pass
         

df.to_excel("C:\\Users\\CT\\Desktop\\222.xlsx")