Question

我看过一些网络直播，并且在尝试这样做时需要帮助：我一直在使用lxml.html。雅虎最近改变了网络结构。

目标网页;

http://finance.yahoo.com/quote/IBM/options?date=1469750400&straddle=true

在Chrome中使用检查器：我在

中看到了数据

 //*[@id="main-0-Quote-Proxy"]/section/section/div[2]/section/section/table

然后再添加一些代码

如何将此数据输出到列表中。我想换成“LLY”到“Msft”的其他股票吗？如何在日期之间切换....并获得所有月份。

Answer 1

我知道你说你不能使用lxml.html。但这里是如何使用该库，因为它是非常好的库。所以我提供使用它的代码，为了完整性，因为我不再使用BeautifulSoup - 它没有维护，速度慢且API很难。

下面的代码解析页面并将结果写入csv文件。

import lxml.html
import csv

doc = lxml.html.parse('http://finance.yahoo.com/q/os?s=lly&m=2011-04-15')
# find the first table contaning any tr with a td with class yfnc_tabledata1
table = doc.xpath("//table[tr/td[@class='yfnc_tabledata1']]")[0]

with open('results.csv', 'wb') as f:
    cf = csv.writer(f)
    # find all trs inside that table:
    for tr in table.xpath('./tr'):
        # add the text of all tds inside each tr to a list
        row = [td.text_content().strip() for td in tr.xpath('./td')]
        # write the list to the csv file:
        cf.writerow(row)

就是这样！ lxml.html非常简单！太糟糕了，你无法使用它。

以下是生成的results.csv文件中的一些行：

LLY110416C00017500,N/A,0.00,17.05,18.45,0,0,17.50,LLY110416P00017500,0.01,0.00,N/A,0.03,0,182
LLY110416C00020000,15.70,0.00,14.55,15.85,0,0,20.00,LLY110416P00020000,0.06,0.00,N/A,0.03,0,439
LLY110416C00022500,N/A,0.00,12.15,12.80,0,0,22.50,LLY110416P00022500,0.01,0.00,N/A,0.03,2,50

Answer 2

这是一个从库存表中提取所有数据的简单示例：

import urllib
import lxml.html
html = urllib.urlopen('http://finance.yahoo.com/q/op?s=lly&m=2014-11-15').read()
doc = lxml.html.fromstring(html)
# scrape figures from each stock table
for table in doc.xpath('//table[@class="details-table quote-table Fz-m"]'):
    rows = []
    for tr in table.xpath('./tbody/tr'):
        row = [td.text_content().strip() for td in tr.xpath('./td')]
        rows.append(row)
    print rows

然后，要提取不同的股票和日期，您需要更改URL。这是前一天的Msft： http://finance.yahoo.com/q/op?s=msft&m=2014-11-14

Answer 3

如果你喜欢原始json尝试MSN

http://www.msn.com/en-us/finance/stocks/optionsajax/126.1.UNH.NYS/

您还可以指定到期日期?date=11/14/2014

http://www.msn.com/en-us/finance/stocks/optionsajax/126.1.UNH.NYS/?date=11/14/2014

如果您更喜欢Yahoo json

http://finance.yahoo.com/q/op?s=LLY

但你必须从html中提取它

import re

m = re.search('<script>.+({"applet_type":"td-applet-options-table".+);</script>', resp.content)

data = json.loads(m.group(1))
as_dicts = data['models']['applet_model']['data']['optionData']['_options'][0]['straddles']

到期时间

data['models']['applet_model']['data']['optionData']['expirationDates']

将iso转换为unix时间戳为here

然后使用unix时间戳

重新请求其他过期

http://finance.yahoo.com/q/op?s=LLY&date=1414713600

Answer 4

基于@hoju的答案：

import lxml.html
import calendar
from datetime import datetime

exDate  = "2014-11-22"
symbol  = "LLY"
dt      = datetime.strptime(exDate, '%Y-%m-%d')
ym      = calendar.timegm(dt.utctimetuple())

url     = 'http://finance.yahoo.com/q/op?s=%s&date=%s' % (symbol, ym,)
doc     = lxml.html.parse(url)
table   = doc.xpath('//table[@class="details-table quote-table Fz-m"]/tbody/tr')

rows    = []        
for tr in table:
     d = [td.text_content().strip().replace(',','') for td in tr.xpath('./td')]
     rows.append(d)

print rows

使用BeautifulSoup或LXML.HTML进行Web Scraping

4 个答案: