股票數(shù)據(jù)的網(wǎng)站抓取(4.3)代碼優(yōu)化

進(jìn)一步優(yōu)化

  1. 使用phantomjs替代firefox,實現(xiàn)無瀏覽器界面,加快速度
  2. 去除上版對于瀏覽器布局部分代碼

優(yōu)化后的結(jié)果

基本上可以在5分鐘內(nèi)搞定上海的股票數(shù)據(jù)下載比過去確實有大進(jìn)步

#coding=utf-8
from selenium import webdriver
import time
import os
import re
import sys  
import threading
import Queue
from selenium.common.exceptions import NoSuchElementException
def myinit():
    reload(sys)  
    sys.setdefaultencoding('utf8')

########################
#生成多個瀏覽器實例
def makebr(number):
    brs=[]
    for i in range(number):
        #br=webdriver.Firefox()
        br=webdriver.PhantomJS('phantomjs')
        brs.append(br)
    return brs

#關(guān)閉所有瀏覽器
def closebr(brs):
    for i in brs:
        i.quit()
#######################
#獲得指定股票相關(guān)數(shù)據(jù)
def getinfo(mydriver,gourl):
    title='//*[@id="name"]'
    code='//*[@id="code"]'
    hexinshujuxpath="/html/body/div[14]/div[1]/div[4]/div[1]"
    restr=":".decode('utf8')
    myre=re.compile(restr,re.I|re.M|re.S)
    linetext=""
    errorinfo=""
    mydriver.get(gourl)
    try:
        gupiaoming=mydriver.find_element_by_xpath(title).text
        gupiaocode=mydriver.find_element_by_xpath(code).text
        hexinshuju=mydriver.find_element_by_class_name('pad5')
        shujuhang=hexinshuju.find_elements_by_tag_name('tr')
        for i in range(len(shujuhang)-2):
            shujulie=shujuhang[i].find_elements_by_tag_name('td')
            tmpshuju=myre.split(shujulie[0].text)
            linetext=linetext+"~"+tmpshuju[1]
        shuju=myre.split(shujuhang[8].text)
        linetext=linetext+"~"+shuju[1]
        tmpshuju=myre.split(shujuhang[9].text)
        linetext=linetext+"~"+tmpshuju[1]
        linetext="%s~%s%s"%(gupiaoming,gupiaocode,linetext)
        #print "數(shù)據(jù):",linetext
    except  NoSuchElementException,e:
        #print "不是股票"
        pass
    except Exception:
        errorinfo= "非預(yù)期錯誤"+gourl
        print errorinfo
    finally:
        return linetext,errorinfo

#獲得所有股票鏈接
def geturls(br):
    
    #通過link對象獲得鏈接地址的text文本
    def getlinkurl(linklist):
        my=[]
        for x in linklist:
            my.append(x.get_attribute('href'))
        return my
    sz=[]
    sh=[]
    br.get("http://quote.eastmoney.com/stocklist.html")
    shxpath="/html/body/div[9]/div[2]/div/ul[1]"
    szxpath="/html/body/div[9]/div[2]/div/ul[2]"
    shgupiao=br.find_element_by_xpath(shxpath)
    szgupiao=br.find_element_by_xpath(szxpath)
    shgupiaolist=shgupiao.find_elements_by_tag_name('a')
    szgupiaolist=szgupiao.find_elements_by_tag_name('a')
    sh=getlinkurl(shgupiaolist)
    sz=getlinkurl(szgupiaolist)
    return sh,sz

#多線程執(zhí)行用的函數(shù)
def thread_getinfo(br,jobslink_queue,jieguo_queue,errorinfo_queue):
    while True:
        try:
            #獲得隊列里的地址
            url=jobslink_queue.get(False)  #False =Don't wait
        except Queue.Empty:
            print "完成退出"
            #br.quit()
            return
        #print url
        if(url!=None):
            (linetext,errorinfo)=getinfo(br,url)
            if(linetext!=""):
                jieguo_queue.put(linetext)
            if(errorinfo!=""):
                errorinfo_queue.put(errorinfo)
                

#######################
#多線程控制函數(shù)
def saveinfoabc(info_filename,error_filename,urllist):

    jobslink=Queue.Queue(0)
    jieguo=Queue.Queue(0)
    errorsinfo=Queue.Queue(0)
    
    for x in urllist[200:250]:#為測試方便這里只取了50俭茧,如果要全下載,取消[]就好
    #for x in urllist:
        jobslink.put(x)
    
    #啟動線程
    for x in range(THREAD_NUM):
        t=threading.Thread(target=thread_getinfo,args=(brs[x],jobslink,jieguo,errorsinfo))
        t.start()
    
    f=open(info_filename,'w')
    e=open(error_filename,'w')
    mycount=0
    
    while (threading.activeCount()>1) or (not jobslink.empty()):
        while jieguo.qsize()>0 or errorsinfo.qsize()>0:
            if(jieguo.qsize()>0):
                jieguotxt=jieguo.get()
                f.write(jieguotxt+"\n")
            if(errorsinfo.qsize()>0):
                error=errorsinfo.get()
                e.write(error+"\n")
        mycount=mycount+1
        if(mycount%100)==0:
            print "%d:  活動線程:%d,剩余連接數(shù):%d,結(jié)果剩余條數(shù):%d,錯誤剩余條數(shù):%d"%(mycount,threading.activeCount(),jobslink.qsize(),jieguo.qsize(),errorsinfo.qsize())
        time.sleep(0.01)
    e.close()
    f.close()
    
    print "數(shù)據(jù)下載完成"

######################
myinit()

#br=webdriver.Firefox()
br=webdriver.PhantomJS('phantomjs')
print "獲得所有鏈接地址"
(sh,sz)=geturls(br)
br.quit()

#info_filename='shinfo.txt'
#error_filename='sherror.txt'
THREAD_NUM=10
brs=makebr(THREAD_NUM)

saveinfoabc('shinfo_for_008.txt','sherror_for_008.txt',sh)
saveinfoabc('szinfo.txt','szerror.txt',sz)
closebr(brs)

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末漓帚,一起剝皮案震驚了整個濱河市母债,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌尝抖,老刑警劉巖毡们,帶你破解...
    沈念sama閱讀 218,546評論 6 507
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異昧辽,居然都是意外死亡衙熔,警方通過查閱死者的電腦和手機(jī),發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 93,224評論 3 395
  • 文/潘曉璐 我一進(jìn)店門搅荞,熙熙樓的掌柜王于貴愁眉苦臉地迎上來红氯,“玉大人,你說我怎么就攤上這事咕痛〔绷ィ” “怎么了?”我有些...
    開封第一講書人閱讀 164,911評論 0 354
  • 文/不壞的土叔 我叫張陵暇检,是天一觀的道長。 經(jīng)常有香客問我婉称,道長块仆,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 58,737評論 1 294
  • 正文 為了忘掉前任王暗,我火速辦了婚禮悔据,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘俗壹。我一直安慰自己科汗,他們只是感情好,可當(dāng)我...
    茶點故事閱讀 67,753評論 6 392
  • 文/花漫 我一把揭開白布绷雏。 她就那樣靜靜地躺著头滔,像睡著了一般。 火紅的嫁衣襯著肌膚如雪涎显。 梳的紋絲不亂的頭發(fā)上坤检,一...
    開封第一講書人閱讀 51,598評論 1 305
  • 那天,我揣著相機(jī)與錄音期吓,去河邊找鬼早歇。 笑死,一個胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的箭跳。 我是一名探鬼主播晨另,決...
    沈念sama閱讀 40,338評論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼谱姓!你這毒婦竟也來了借尿?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 39,249評論 0 276
  • 序言:老撾萬榮一對情侶失蹤逝段,失蹤者是張志新(化名)和其女友劉穎垛玻,沒想到半個月后,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體奶躯,經(jīng)...
    沈念sama閱讀 45,696評論 1 314
  • 正文 獨居荒郊野嶺守林人離奇死亡帚桩,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 37,888評論 3 336
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發(fā)現(xiàn)自己被綠了嘹黔。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片账嚎。...
    茶點故事閱讀 40,013評論 1 348
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖儡蔓,靈堂內(nèi)的尸體忽然破棺而出郭蕉,到底是詐尸還是另有隱情,我是刑警寧澤喂江,帶...
    沈念sama閱讀 35,731評論 5 346
  • 正文 年R本政府宣布召锈,位于F島的核電站,受9級特大地震影響获询,放射性物質(zhì)發(fā)生泄漏涨岁。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點故事閱讀 41,348評論 3 330
  • 文/蒙蒙 一吉嚣、第九天 我趴在偏房一處隱蔽的房頂上張望梢薪。 院中可真熱鬧,春花似錦尝哆、人聲如沸秉撇。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,929評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽琐馆。三九已至,卻和暖如春印衔,著一層夾襖步出監(jiān)牢的瞬間啡捶,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 33,048評論 1 270
  • 我被黑心中介騙來泰國打工奸焙, 沒想到剛下飛機(jī)就差點兒被人妖公主榨干…… 1. 我叫王不留瞎暑,地道東北人彤敛。 一個月前我還...
    沈念sama閱讀 48,203評論 3 370
  • 正文 我出身青樓,卻偏偏與公主長得像了赌,于是被迫代替她去往敵國和親墨榄。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點故事閱讀 44,960評論 2 355

推薦閱讀更多精彩內(nèi)容

  • Android 自定義View的各種姿勢1 Activity的顯示之ViewRootImpl詳解 Activity...
    passiontim閱讀 172,151評論 25 707
  • 問答題47 /72 常見瀏覽器兼容性問題與解決方案勿她? 參考答案 (1)瀏覽器兼容問題一:不同瀏覽器的標(biāo)簽?zāi)J(rèn)的外補(bǔ)...
    _Yfling閱讀 13,754評論 1 92
  • 項目中經(jīng)常會用到二維碼,常見的二維碼使用有,掃描,生成,識別,閃光燈.這個系列主要記錄下二維碼相關(guān)的筆記.有關(guān)二維...
    _Hal_閱讀 1,307評論 0 1
  • 今年我22歲袄秩,在我22歲生日那天,爸媽告訴我逢并,我青春里喜歡的那個人要結(jié)婚了之剧,然后這個月22號,我要去參加...
    Amoooo0閱讀 112評論 0 1
  • 想寫一篇長文砍聊,但是等了很久也覺得高中以后的經(jīng)歷實在是沒什么長篇大論好寫了背稼,人都變得麻木不仁了,對任何夢想上的事情都...
    王銘楷閱讀 320評論 0 0