我想刮胡子晨星网在网站上获取每只基金的财务数据和价格。幸运的是,我在获取财务数据(持有量、资产配置、投资组合、风险等)方面没有问题,但是当要找到以JSON格式显示每个基金每日价格的URL时,有一个HTML代码中没有的“dataid”值,没有它就无法知道承载所有价格的确切URL。在
我尝试过将整个页面打印为许多基金的文本,但没有一个在HTML代码中显示我需要的“dataid”值,以便获得价格。承载价格的URL还包括“secid”,它很容易被刮除,但与我需要刮取的“dataid”没有任何关系。在
import requests
from lxml import html
import re
import json
quote_page = "https://www.morningstar.com/etfs/arcx/aadr/quote.html"
prices1 = "https://mschart.morningstar.com/chartweb/defaultChart?type=getcc&secids="
prices2 = "&dataid="
prices3 = "&startdate="
prices4 = "&enddate="
starting_date = "2018-01-01"
ending_date = "2018-12-28"
quote_html = requests.get(quote_page, timeout=10)
quote_tree = html.fromstring(quote_html.text)
security_id = re.findall('''meta name=['"]secId['"]\s*content=['"](.*?)['"]''', quote_html.text)[0]
security_type = re.findall('''meta name=['"]securityType['"]\s*content=['"](.*?)['"]''', quote_html.text)[0]
data_id = "8225"
daily_prices_url = prices1 + security_id + ";" + security_type + prices2 + data_id + prices3 + starting_date + prices4 + ending_date
daily_prices_html = requests.get(daily_prices_url, timeout=10)
json_prices = daily_prices_html.json()
for json_price in json_prices["data"]["r"]:
j_prices = json_price["t"]
for j_price in j_prices:
daily_prices = j_price["d"]
for daily_price in daily_prices:
print(daily_price["i"] + " || " + daily_price["v"])
上面的代码适用于“AADR”ETF,因为我手动复制并粘贴了“dataid”值到“data_id”变量中,没有这条信息就无法获取每日价格。我不想用Selenium作为寻找“dataid”的替代方法,因为它是一个非常慢的工具,我的目的是为超过2.8万个基金收集数据,所以我只尝试了机器人网络抓取方法。 您对如何访问networkinspection工具有什么建议吗?它是我目前找到的唯一显示“dataid”的源? 提前谢谢
数据id可能不那么重要。我改变了与AADR关联的代码f0000412e,同时保持数据id不变。在
我从这里得到了所有这些代码的清单:
https://www.firstrade.com/scripts/free_etfs/io.php
然后将选择的代码添加到你的url中
使用
^{pr2}$FOUSA06MPQ
您可以通过将其他基金作为基准添加到图表中来验证这些值,例如
XNAS:AIA
12月28日的价值为55.32。将其与检索到的JSON进行比较:
我重复了一遍
不管安全性如何,dataid8217对我来说都很好。在
相关问题 更多 >
编程相关推荐