利用python爬取东方财富网股吧评论（一）

python-东方财富网贴吧文本数据爬取

分享一下写论文时爬数据用到的代码，有什么问题或者改善的建议的话小伙伴们一起评论区讨论。涉及内容在前人的研究基础之上，探索适合自己一些知识点，本人非计算机专业，金融专业，学习爬虫用于项目研究，以此发表供大家学习与指点。

一、论文说明

论文需求：股吧中人们发表的评论和创业板股市价格波动
数据来源：东方财富网创业板股吧
数据标签：阅读、评论、标题、作者、更新时间，
实现功能：读取每个股吧的全部页面的评论并写入excel表中

二、实施过程

1.明确评论数据

2.查看网页源代码结构
① 网页源代码
首先打开网页的开发者工具（右击-检查）或者右击网页源代码，在源代码中查找对应字段的标签。
以下是大多数学者的分析：

从图中可以看出，这五个字段分别位于行标签内，对应的属性分别是"l1 a1"、“l2 a2”、“l3 a3”、“l4 a4”、“l5 a5”。
如果单纯想要获取此网址所对应的数据，参考此方法都可以进行爬取。但是，爬取之后会发现标题内容是不全，缺失的：

下面是每一条标题评论的详细网页的内容，与总页对比，详情页内容是完整的：

所以我们需要确定每一条详细评论的详情网页：

以上通过简单分析，我们确定了所需要数据对应的标签结构所在处。
我们需要爬取不止一页的数据，因此还要分析以下情况：
首页：http://guba.eastmoney.com/list,zssz399006.html
第二页：http://guba.eastmoney.com/list,zssz399006_2.html
可以看出个股吧链接主要由三部分组成：list、名称代码、页数
通过以上分析，我们基本可以爬取需要的数据。

三、部分代码

1.以下是仅仅获取每一个总页中标题内容的代码

max_page=  #爬取的最大页数
all_title = []   #爬取的标题存储列表
all_time  = []   #爬取的发表时间储存列表
headers = {'User-Agent': ''}  #构造头文件，模拟浏览器。
for page in range(1,max_page+1):#获取网页源代码print('crawling the page is {}'.format(page))  url= f'http://guba.eastmoney.com/list,zssz399006,f_{page}.html'  response  = requests.get(url, headers=headers) #解析网页源代码root = etree.HTML(response.text)  title = root.xpath("//div[contains(@class,'articleh normal_post')]//span[@class='l3 a3']//a//text()")  time = root.xpath("//div[contains(@class,'articleh normal_post')]//span[@class='l5 a5']//text()")  all_title += title  #保存到总数组上all_time  += timedata_raw = pd.DataFrame()
data_raw['title'] = all_title
data_raw['time'] = all_time
data_raw.to_excel('.//data_raw.xlsx', index=False)

四、完整代码

以下是本人长时间自己摸索所写，因本人非计算机专业，所写内容如有错误请各位前辈同仁所担待并提出宝贵意见，原谅本人不能提供相对完整代码，框架已写好，缺失部分填写对应的标签即可，如有需要请联系本人（注明来意）
``

import requests
from lxml import etree
import re
import csv
f = open('创业板股吧评.csv',mode='a',encoding='utf-8',newline='')#可以自己改文件名
csv_writer = csv.DictWriter(f,fieldnames=['标题','标题url','发布时间','总阅读人数','总评论数','正文'])#这个是表的字段名称
csv_writer.writeheader()
def xiangqing(n):url = 'http://guba.eastmoney.com/list,zssz399006_{}.html'.format(n)print('crawling the page is {}'.format(n))  header = {'User-Agent': '    '}response = requests.get(url,headers=header)html = etree.HTML(response.text)text = html.xpath('     ')url_list = html.xpath('     ')return url_list
def a(url_list):header = {'User-Agent': '    '}for url in url_list:new_url = 'http://guba.eastmoney.com' + urlresponse = requests.get(new_url,headers = header)html = etree.HTML(response.text)title = re.findall('     ',response.text)[0].replace('"','')text = re.findall('      ',response.text)[0].replace('"','')readers = re.findall(r'    ', response.text)[0]  # 获取总人数comments = re.findall(r'   ', response.text)[0]  # 获取总评价数date = html.xpath('     ')[0]  # 获取发布时间dic = {}csv_writer.writerow(dic)  #将获取到的数据写入创建的csv文件中# def bianli():
if __name__ == '__main__':for i in range(3195,3295):#以下是循环代码

五、爬取结果

由于本人正处在多进程学习当中，多进程代码无法提供，请谅解。

此正文部分可进行相关情绪分析且内容完整。

六、自我介绍

本人初次接触爬虫，一名金融非计算机专业的研究生二年级学生，学习之路漫漫且困难重重，以上信息如有雷同，请谅解。
希望广大学者指导交流。
接下来会写一篇lstm进行情感分析，请广大读者持续关注，谢谢。
本人 QQ:私信联系博主

利用python爬取东方财富网股吧评论并进行情感分析（一）相关推荐

利用正则爬取东方财富网股吧评论.py
#正则爬取东方财富网股吧评论 import requests import re from bs4 import BeautifulSoup url = 'http://guba.eastmoney. ...
python爬取东方财富网资金流向数据（在本地生成csv文件）
今天我们来试着用python爬取东方财富网资金流向的表格数据. 第一步:程序及应用的准备首先我们需要安装selenium库,使用命令pip install selenium;然后我们需要下载对应的c ...
利用Python爬取散文网的文章实例
这篇文章主要跟大家介绍了利用python爬取散文网文章的相关资料,文中介绍的非常详细,对大家具有一定的参考学习价值,需要的朋友们下面来一起看看吧. 本文主要给大家介绍的是关于python爬取散文网文章 ...
爬虫学习笔记（用python爬取东方财富网实验）
参考文章以及视频:(11条消息) 爬虫实战 | 爬取东方财富网股票数据_简说Python的博客-CSDN博客.手把手教你从东方财富网上获取股票数据_哔哩哔哩_bilibili.[Python爬虫案例] ...
python爬取东方财富网中的资金流向表
因为东方财富网中的资金流向表是一个动态的数据,所以采用selenium模块进行爬取. 爬取东方财富网的资金流向表的具体步骤: 1.获取初始的URL 2.爬取对应的URL地址的网页,获取新的URL地址 ...
使用python爬取东方财富网机构调研数据
最近有一个需求,需要爬取东方财富网的机构调研数据.数据所在的网页地址为: 机构调研网页如下所示: 可见数据共有8464页,此处不能直接使用scrapy爬虫进行爬取,因为点击下一页时,浏览器只是发起了 ...
python培训机构调研最多的股票_使用python爬取东方财富网机构调研数据
标签: 最近有一个需求,需要爬取东方财富网的机构调研数据.数据所在的网页地址为: 机构调研网页如下所示: 可见数据共有8464页,此处不能直接使用scrapy爬虫进行爬取,因为点击下一页时,浏览器只 ...
运用python爬取股票的股吧评论、新闻报道（附完整代码）
大家好,我是带我去滑雪,每天分享一个小技巧! 当前,文本信息挖掘十分火热,文本信息挖掘作为一个新的数据挖掘领域,其目的在于把文本信息转化为人可利用的知识,而获取文本信息是文本信息挖掘工作中最重要.最首 ...
python财务报表分析-用Python爬取东方财富网上市公司财务报表
♚ 作者:苏克,零基础.转行python爬虫与数据分析博客:https://www.makcyun.top 摘要: 现在很多网页都采取JavaScript进行动态渲染,其中包括Ajax技术.有的网页 ...

利用python爬取东方财富网股吧评论并进行情感分析（一）