如何理解 Yahoo! 的原始 HTML使用 Python 检索数据时的财务？
Posted
技术标签:
【中文标题】如何理解 Yahoo! 的原始 HTML使用 Python 检索数据时的财务？【英文标题】：How to understand this raw HTML of Yahoo! Finance when retrieving data using Python? 【发布时间】：2017-01-30 13:54:36 【问题描述】：我一直在尝试从 Yahoo! 检索股票价格！金融，喜欢Apple Inc.。我的代码是这样的：（使用 Python 2）
import requests
from bs4 import BeautifulSoup as bs
html='http://finance.yahoo.com/quote/AAPL/profile?p=AAPL'
r = requests.get(html)
soup = bs(r.text)
问题是当我看到这个网页后面的原始 HTML 时，这个类是动态的，见下图。这使得 BeautifulSoup 很难获得标签。如何理解类以及如何获取数据？
HTML of Yahoo! Finance page
PS：1）我知道pandas_datareader.data，但那是历史数据。我想要实时的股票数据；
2) 我不想使用 selenium 打开新的浏览器窗口。
【问题讨论】：
【参考方案1】：数据显然是使用 reactjs 填充的，因此您将无法使用类名等可靠地解析它。您可以获取 json 格式的所有数据来自root.App.main 脚本的页面源代码：
import requests
from bs4 import BeautifulSoup
import re
from json import loads
soup = BeautifulSoup(requests.get("http://finance.yahoo.com/quote/AAPL/profile?p=AAPL").content)
script = soup.find("script",text=re.compile("root.App.main")).text
data = loads(re.search("root.App.main\s+=\s+(\.*\)", script).group(1))
print(data)
这为您提供了一大堆 json，您可以浏览数据并选择您需要的内容，如下所示：
stores = data["context"]["dispatcher"]["stores"]
from pprint import pprint as pp
pp(stores[u'QuoteSummaryStore'])
这给了你：
u'price': u'averageDailyVolume10Day': u'fmt': u'63.06M',
u'longFmt': u'63,056,525',
u'raw': 63056525,
u'averageDailyVolume3Month': u'fmt': u'36.53M',
u'longFmt': u'36,527,196',
u'raw': 36527196,
u'currency': u'USD',
u'currencySymbol': u'$',
u'exchange': u'NMS',
u'exchangeName': u'NasdaqGS',
u'longName': u'Apple Inc.',
u'marketState': u'PRE',
u'maxAge': 1,
u'openInterest': ,
u'postMarketChange': u'fmt': u'0.11', u'raw': 0.11000061,
u'postMarketChangePercent': u'fmt': u'0.10%',
u'raw': 0.0009687416,
u'postMarketPrice': u'fmt': u'113.66', u'raw': 113.66,
u'postMarketSource': u'DELAYED',
u'postMarketTime': 1474502277,
u'preMarketChange': u'fmt': u'0.42', u'raw': 0.41999817,
u'preMarketChangePercent': u'fmt': u'0.37%',
u'raw': 0.0036987949,
u'preMarketPrice': u'fmt': u'113.97', u'raw': 113.97,
u'preMarketSource': u'FREE_REALTIME',
u'preMarketTime': 1474536411,
u'quoteType': u'EQUITY',
u'regularMarketChange': u'fmt': u'-0.02', u'raw': -0.019996643,
u'regularMarketChangePercent': u'fmt': u'-0.02%',
u'raw': -0.00017607327,
u'regularMarketDayHigh': u'fmt': u'113.99', u'raw': 113.989,
u'regularMarketDayLow': u'fmt': u'112.44', u'raw': 112.441,
u'regularMarketOpen': u'fmt': u'113.82', u'raw': 113.82,
u'regularMarketPreviousClose': u'fmt': u'113.57',
u'raw': 113.57,
u'regularMarketPrice': u'fmt': u'113.55', u'raw': 113.55,
u'regularMarketSource': u'FREE_REALTIME',
u'regularMarketTime': 1474488000,
u'regularMarketVolume': u'fmt': u'31.57M',
u'longFmt': u'31,574,028.00',
u'raw': 31574028,
u'shortName': u'Apple Inc.',
u'strikePrice': ,
u'symbol': u'AAPL',
u'underlyingSymbol': None,
u'price,summaryDetail': ,
u'quoteType': u'exchange': u'NMS',
u'headSymbol': None,
u'longName': u'Apple Inc.',
u'market': u'us_market',
u'messageBoardId': u'finmb_24937',
u'quoteType': u'EQUITY',
u'shortName': u'Apple Inc.',
u'symbol': u'AAPL',
u'underlyingExchangeSymbol': None,
u'underlyingSymbol': None,
u'uuid': u'8b10e4ae-9eeb-3684-921a-9ab27e4d87aa',
u'summaryDetail': u'ask': u'fmt': u'114.00', u'raw': 114,
u'askSize': u'fmt': u'100',
u'longFmt': u'100',
u'raw': 100,
u'averageDailyVolume10Day': u'fmt': u'63.06M',
u'longFmt': u'63,056,525',
u'raw': 63056525,
u'averageVolume': u'fmt': u'36.53M',
u'longFmt': u'36,527,196',
u'raw': 36527196,
u'averageVolume10days': u'fmt': u'63.06M',
u'longFmt': u'63,056,525',
u'raw': 63056525,
u'beta': u'fmt': u'1.52', u'raw': 1.51744,
u'bid': u'fmt': u'113.68', u'raw': 113.68,
u'bidSize': u'fmt': u'400',
u'longFmt': u'400',
u'raw': 400,
u'dayHigh': u'fmt': u'113.99', u'raw': 113.989,
u'dayLow': u'fmt': u'112.44', u'raw': 112.441,
u'dividendRate': u'fmt': u'2.28', u'raw': 2.28,
u'dividendYield': u'fmt': u'2.01%', u'raw': 0.0201,
u'exDividendDate': u'fmt': u'2016-08-04',
u'raw': 1470268800,
u'expireDate': ,
u'fiftyDayAverage': u'fmt': u'108.61',
u'raw': 108.608284,
u'fiftyTwoWeekHigh': u'fmt': u'123.82', u'raw': 123.82,
u'fiftyTwoWeekLow': u'fmt': u'89.47', u'raw': 89.47,
u'fiveYearAvgDividendYield': ,
u'forwardPE': u'fmt': u'12.70', u'raw': 12.701344,
u'marketCap': u'fmt': u'611.86B',
u'longFmt': u'611,857,399,808',
u'raw': 611857399808,
u'maxAge': 1,
u'navPrice': ,
u'open': u'fmt': u'113.82', u'raw': 113.82,
u'openInterest': ,
u'payoutRatio': u'fmt': u'24.80%', u'raw': 0.248,
u'previousClose': u'fmt': u'113.57', u'raw': 113.57,
u'priceToSalesTrailing12Months': u'fmt': u'2.78',
u'raw': 2.777534,
u'regularMarketDayHigh': u'fmt': u'113.99',
u'raw': 113.989,
u'regularMarketDayLow': u'fmt': u'112.44',
u'raw': 112.441,
u'regularMarketOpen': u'fmt': u'113.82', u'raw': 113.82,
u'regularMarketPreviousClose': u'fmt': u'113.57',
u'raw': 113.57,
u'regularMarketVolume': u'fmt': u'31.57M',
u'longFmt': u'31,574,028',
u'raw': 31574028,
u'strikePrice': ,
u'totalAssets': ,
u'trailingAnnualDividendRate': u'fmt': u'2.13',
u'raw': 2.13,
u'trailingAnnualDividendYield': u'fmt': u'1.88%',
u'raw': 0.018754954,
u'trailingPE': u'fmt': u'13.24', u'raw': 13.240438,
u'twoHundredDayAverage': u'fmt': u'102.39',
u'raw': 102.39367,
u'volume': u'fmt': u'31.57M',
u'longFmt': u'31,574,028',
u'raw': 31574028,
u'yield': ,
u'ytdReturn': ,
u'symbol': u'AAPL'
【讨论】：
【参考方案2】：不确定在这种情况下您所说的“动态”是什么意思，但您是否考虑过使用 CSS 选择器？
使用 Beautifulsoup，您可以获得它，例如：
soup.select('div#quote-header-info section span')[0]
您可以在该模式上使用一些变体，例如使用“>”过滤器。
您只需 lxml 即可获得相同效果，无需 BeautifulSoup：
import lxml.html as html
page = html.parse(url).getroot()
content = page.cssselect('div#quote-header-info section > span:first-child')[0].text
这立即说明了一个更具体的选择器。
如果您对更高效的 DOM 遍历感兴趣，请研究 xpath。
【讨论】：
它们的意思是动态的，因为在内容中加载了 javascript/react，如果您查看 html，您可以看到。他们不是在问如何使用选择器，而是在问如何解析动态内容。 @PadraicCunningham 虽然我同意以其他形式查找数据（通常从某些 json 加载）通常要好得多，但这并不意味着无法使用其他方法来挖掘数据，例如我建议哪个也可以，因为它不依赖于标签属性。你的假设我没有看来源是冒昧的。尽管您可能会发现我的答案没有用并因此而投反对票，但其他人可能会发现它有用，因此我将保留它。请注意，我并不反对你，我赞成你的答案，因为我发现它更完整。 第一条评论正是我的意思。 @Oliver W.您的回答是正确的，只是我不明白为什么使用 'div#quote-header-info section span' 会起作用。感谢您的所有回答。 @artmunich 之所以有效，是因为您不依赖任何动态生成的属性（在本例中为class 和 data-reactid 的值）。您只指望标签的嵌套（span 位于 section 中，而 div 本身带有特定的 id），许多网站预先将其定义为一种模板/skeleton/model 稍后可以动态更改。并非每个网站都这样做，有些网站甚至会动态生成模板，但 Finance.yahoo 是那些以静态方式制作模板的网站之一。以上是关于如何理解 Yahoo! 的原始 HTML使用 Python 检索数据时的财务？的主要内容，如果未能解决你的问题，请参考以下文章