爬取千万条基金数据是怎样的体验？

大家好，我是朱小五爬取千万条基金数据是怎样的体验？

昨天的文章《我用 Python 预测了股票价格》中就提了一嘴，最近爬了一些股票和基金数据。

再加上我们之前也做过基金抄底成功的概率问题，那就简单跟大家说一下如何爬取tiantian基金的数据。

爬取千万条基金数据是怎样的体验？

基金代码

爬取基金的数据有个必要条件就是要知道基金代码，如何获取呢，打开官网找吧。

点了一圈，发现了基金代码的主页，寻思翻页爬取就完事了

http://fund.eastmoney.com/allfund.html

结果没想到F12打开下图中的fundcode_search.js

爬取千万条基金数据是怎样的体验？

右键新标签页打开→ 爬取千万条基金数据是怎样的体验？

发现所有的基金代码都在，那么就更简单了呀。

import requests  
import re  
import json  
import pandas as pd  

url = 'http://fund.eastmoney.com/js/fundcode_search.js'  
r = requests.get(url)  
a = re.findall('var r = (.*])', r.text)[0]    
b = json.loads(a)  
fundcode = pd.DataFrame(b, columns=['fundcode', 'fundsx', 'name', 'category', 'fundpy'])   
fundcode = fundcode.loc[:, ['fundcode', 'name', 'category']]  
fundcode.to_csv('fundcode_search.csv', index=False, encoding='utf-8-sig')

爬取千万条基金数据是怎样的体验？

运行获得所有基金代码共10736条数据。

爬取基金历史

有了上万个基金代码，再爬取他们近三年的净值数据，那四舍五入不就是千万条数据嘞~

在《用python来分析：基金抄底成功的概率有多大？》中就已经给出了方法，同样打开基金网站，用浏览器自带流量分析工具可以轻松找到数据接口。

其中callback为返回js回调函数，可以删除，funCode为基金代码，pageIndex为页码，pageSize为每页返回的数据条数是，startDate和endDate分别为开始时间和结束时间。[1]

fundCode = '001618'  #基金代码  
pageIndex = 1  
startDate = '2018-02-22'  #起始时间  
endDate = '2020-07-10'   #截止时间  
header = {  
    'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64; rv:69.0) Gecko/20100101 Firefox/69.0',  
    'Referer': 'http://fundf10.eastmoney.com/jjjz_{0}.html'.format(fundCode)  
}  
url = 'http://api.fund.eastmoney.com/f10/lsjz?fundCode={0}&pageIndex={1}&pageSize=5000&startDate={2}&endDate={3}&_=1555586870418?'\  
    .format(fundCode, pageIndex, startDate, endDate)  
response = requests.get(url, headers=header)

这样单个基金的数据就爬取好啦

那如何结合前面的基金代码合集进行循环爬取，相信也难不倒大家

爬取千万条基金数据是怎样的体验？