摘要：技術路線爬蟲框架語言由于在上一篇博客中已經介紹了股票信息爬取的原理，在這里不再進行過多介紹，如需了解可以參考博客鏈接描述，在本篇文章中主要講解該項目在框架中如何實現。

目標： 獲取上交所和深交所所有股票的名稱和交易信息。
輸出： 保存到文件中。
技術路線：Scrapy爬蟲框架
語言： python3.5
由于在上一篇博客中已經介紹了股票信息爬取的原理，在這里不再進行過多介紹，如需了解可以參考博客：鏈接描述，在本篇文章中主要講解該項目在Scrapy框架中如何實現。

Scrapy框架如下圖所示：

我們主要進行兩步操作：
（1） 首先需要在框架中編寫一個爬蟲程序spider,用于鏈接爬取和頁面解析；
（2） 編寫pipelines，用于處理解析后的股票數據并將這些數據存儲到文件中。

步驟：
（1） 建立一個工程生成Spider模板
打開cmd命令行，定位到項目所放的路徑，輸入：scrapy startproject BaiduStocks，此時會在目錄中新建一個名字為BaiduStocks的工程。再輸入：cd BaiduStocks進入目錄，接著輸入：scrapy genspider stocks baidu.com生成一個爬蟲。之后我們可以在spiders/目錄下看到一個stocks.py文件，如下圖所示：

（2） 編寫Spider：配置stocks.py文件，修改返回頁面的處理，修改對新增URL爬取請求的處理
打開stocks.py文件，代碼如下所示：

# -*- coding: utf-8 -*-
import scrapy


class StocksSpider(scrapy.Spider):
    name = "stocks"
    allowed_domains = ["baidu.com"]
    start_urls = ["http://baidu.com/"]

    def parse(self, response):
        pass

將上述代碼修改如下：

# -*- coding: utf-8 -*-
import scrapy
import re
 
 
class StocksSpider(scrapy.Spider):
    name = "stocks"
    start_urls = ["http://quote.eastmoney.com/stocklist.html"]
 
    def parse(self, response):
        for href in response.css("a::attr(href)").extract():
            try:
                stock = re.findall(r"[s][hz]d{6}", href)[0]
                url = "https://gupiao.baidu.com/stock/" + stock + ".html"
                yield scrapy.Request(url, callback=self.parse_stock)
            except:
                continue
 
    def parse_stock(self, response):
        infoDict = {}
        stockInfo = response.css(".stock-bets")
        name = stockInfo.css(".bets-name").extract()[0]
        keyList = stockInfo.css("dt").extract()
        valueList = stockInfo.css("dd").extract()
        for i in range(len(keyList)):
            key = re.findall(r">.*", keyList[i])[0][1:-5]
            try:
                val = re.findall(r"d+.?.*", valueList[i])[0][0:-5]
            except:
                val = "--"
            infoDict[key]=val
 
        infoDict.update(
            {"股票名稱": re.findall("s.*(",name)[0].split()[0] + 
             re.findall(">.*<", name)[0][1:-1]})
        yield infoDict

（3） 配置pipelines.py文件,定義爬取項（Scraped Item）的處理類
打開pipelinse.py文件，如下圖所示：

# -*- coding: utf-8 -*-

# Define your item pipelines here
#
# Don"t forget to add your pipeline to the ITEM_PIPELINES setting
# See: http://doc.scrapy.org/en/latest/topics/item-pipeline.html


class BaidustocksPipeline(object):
    def process_item(self, item, spider):
        return item

對上述代碼修改如下：

# -*- coding: utf-8 -*-
 
# Define your item pipelines here
#
# Don"t forget to add your pipeline to the ITEM_PIPELINES setting
# See: http://doc.scrapy.org/en/latest/topics/item-pipeline.html
 
 
class BaidustocksPipeline(object):
    def process_item(self, item, spider):
        return item

#每個pipelines類中有三個方法
class BaidustocksInfoPipeline(object):
    #當一個爬蟲被調用時，對應的pipelines啟動的方法
    def open_spider(self, spider):
        self.f = open("BaiduStockInfo.txt", "w")
    #一個爬蟲關閉或結束時的pipelines對應的方法
    def close_spider(self, spider):
        self.f.close()
    #對每一個Item項進行處理時所對應的方法，也是pipelines中最主體的函數
    def process_item(self, item, spider):
        try:
            line = str(dict(item)) + "
"
            self.f.write(line)
        except:
            pass
        return item

（4） 修改settings.py，是框架找到我們在pipelinse.py中寫的類
在settings.py中加入：

# Configure item pipelines
# See http://scrapy.readthedocs.org/en/latest/topics/item-pipeline.html
ITEM_PIPELINES = {
    "BaiduStocks.pipelines.BaidustocksInfoPipeline": 300,
}

到這里，程序就完成了。

（4） 執行程序
在命令行中輸入：scrapy crawl stocks