蛋卷基金爬虫——收集蛋卷基金上的投资组合数据
一、网页分析
1、打开网页
我们随意打开一个蛋卷基金上投资组合的网页，例如：
链接: https://danjuanapp.com/strategy/CSI1033.
这里以Microsoft Edge浏览器为例 。
2、查看json
选择“XHR”，发现有一个以基金编号命名的文件，单击它，查看请求标头。
GET /djapi/plan/CSI1033 HTTP/1.1
Host: danjuanapp.com
Connection: keep-alive
sec-ch-ua: " Not A;Brand";v="99", "Chromium";v="90", "Microsoft Edge";v="90"
Accept: application/json, text/plain, */*
sec-ch-ua-mobile: ?0
User-Agent: Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/90.0.4430.212 Safari/537.36 Edg/90.0.818.62
elastic-apm-traceparent: 00-25105e3e8908ba33898b0f6cd57b8a73-c782a0e5122abe33-01
Sec-Fetch-Site: same-origin
Sec-Fetch-Mode: cors
Sec-Fetch-Dest: empty
Referer: https://danjuanapp.com/strategy/CSI1033
Accept-Encoding: gzip, deflate, br
Accept-Language: zh-CN,zh;q=0.9,en;q=0.8,en-GB;q=0.7,en-US;q=0.6
Cookie: device_id=web_Skhu79T_v; acw_tc=2760774a16215745204941604e9286878fd10c566d03eedbbb0eb93c40e0f5; channel=undefined; xq_a_token=ccd9918c5b2c091c2d0dacb2e264963ba5fb7539; Hm_lvt_b53ede02df3afea0608038748f4c9f36=1621307606,1621428116,1621514481,1621574521; Hm_lpvt_b53ede02df3afea0608038748f4c9f36=1621574634; timestamp=1621574634698
发现好像没什么特别的，说不定没有反爬的机制 ，不如试着直接点开这个链接。
原来这里面存的就是基金基本信息的json！
我们观察这个地址：
https://danjuanapp.com/djapi/plan/CSI1033
发现只要更改最后的编号，就可以获得各个基金的基本信息。
二、数据获取
1、观察json的结构
我们观察一下这个json的结构，这里只截取部分片段。
{
"data": {
"plan_code": "CSI1033",
"plan_name": "螺丝钉主动优选组合",
"yield": "65.93",
"yield_name": "成立以来收益",
"yield_middle": "48.03",
"yield_name_middle": "成立以来年化",
……
"found_date": "2020-02-03",
"manager_xq_id": "3079173340",
"manager_name": "银行螺丝钉",
"manager_profile_photo": "https://danjuan.aiganggu.com/o2020021580801637267.png",
"invest_time_type": 2,
"invest_time_name": "持有3年以上",
"invest_money_type": 4,
"invest_money_name": "积极增值",
"found_days": 473,
"min_buy_amount": "200",
"plan_derived": {
"end_date": "2021-05-20",
"nav_grtd": "-0.03",
"nav_grl1w": "2.38",
……
"unit_nav": "1.6593",
"yield_history": [{
"yield": "-12.02",
"name": "近3个月"
}, {
"yield": "7.40",
"name": "近6个月"
}, {
"yield": "42.25",
……
我们发现，所有数据都存在 “data” 下， “data” 里有基金的基本信息，当日净值存在 “plan_derived” 下的 “unit_nav” 里，那么我们只要按照这个顺序从中获取数据即可。
三、代码实现
1、基本操作
a. 需要使用的模块
用requests获取页面，用json库将json文件转化为字典。
import requests
import json
b. 随便设置一个请求标头
header={
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/88.0.4324.104 Safari/537.36'
}
c. 获取页面信息
这里的code为基金的代码，用requests获取页面以后读出具体的文本内容，存到page里。
code='CSI1033'
url='https://danjuanapp.com/djapi/plan/'+code
page=requests.get(url,headers=header).text
我们把page输出出来检查一下，发现我们想要的都在里面。
d. 导入json
因为所有数据都在data里，所以我们直接进入data内即可。
items=json.loads(page)
items=items.get("data")
e. 从json中获取需要的信息
- 基金的名字
name=items.get('plan_name')
- 基金的当日净值以及净值的记录日期
这些数据在“plan_derived”内。
value=items.get('plan_derived').get("unit_nav")
date=items.get('plan_derived').get("end_date")
2、写一个可以重复使用的函数
我们以code作为传入的参数，把刚才的内容组合起来。
def getfund(code):
url='https://danjuanapp.com/djapi/plan/'+code
page=requests.get(url,headers=header).text
items=json.loads(page)
items=items.get("data")
value=items.get('plan_derived').get("unit_nav")
date=items.get('plan_derived').get("end_date")
name=items.get('plan_name')
print("基金编号:",code,'\n基金名:',name,"\n日期:",date,"净值:",value)
3、完整代码
#by concyclics
import requests
import json
header={
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/88.0.4324.104 Safari/537.36'
}
danjuan=['CSI1033','CSI1032','CSI1038','CSI1029','CSI1006','CSI1065']
danjuan.sort()
#获取当天信息
def getfund(code):
url='https://danjuanapp.com/djapi/plan/'+code
page=requests.get(url,headers=header).text
items=json.loads(page)
items=items.get("data")
value=items.get('plan_derived').get("unit_nav")
date=items.get('plan_derived').get("end_date")
name=items.get('plan_name')
print("基金编号:",code,'\n基金名:',name,"\n日期:",date,"净值:",value)
if __name__=='__main__':
for code in danjuan:
getfund(code)
这样，我们的功能就基本实现了。
京公网安备 11010502036488号