股票数据爬虫进阶：免费、开源的股票爬虫Python库，实测真香

更多精彩内容，欢迎关注公众号：数量技术宅，也可添加技术宅个人微信号：sljsz01，与我交流。

免费、开源的股票爬虫Python库：Easyquotation

我们在此前的文章中，向大家分享了如何用Python爬虫，从新浪财经获取实时的股票数据：（文章链接）。本期文章，我们将介绍一个股票数据爬虫的进阶工具：一个叫做Easyquotation的Python三方库，这个py三方库内置了爬取多个不同的股票数据源的功能，数据源包括：

新浪财经：全部A股实时行情（snapshot）
集思录：分级基金、ETF、QDII实时数据
腾讯财经：A股日内分时行情、港股日k线行情、港股实时行情（snapshot）

新浪财经的实时行情，我们不再赘述。对于集思录，这是一个提供侧重债息相关的投资品种，例如新股、可转债、分级基金、债券、封闭基金、QDII、ETF、LOF 等资产标的数据的专业平台，投资者可以通过集思录数据，分析理论价值及其偏差，找到各种低风险的套利机会，而Easyquotation支持我们从集思录上爬取其公布的数据，进而可以使用Python跟踪套利机会。对于腾讯财经，它不仅提供A股的日内行情，还提供港股的日K线数据以及实时行情数据，对于有港股交易需求的朋友来说，爬取腾讯财经的免费港股数据，不失为一个经济的方案。

使用准备

接下来，我们介绍在使用Easyquotation前，需要做的准备工作，大致可以分为两步：

首先，我们需要安装Requests三方库。Requests库可以说是所有爬虫的”标配“，Requests是用python语言基于urllib编写的，采用的是Apache2 Licensed开源协议的HTTP库。与urllib相比，Requests更加方便，可以节约我们大量的工作。由于easyquotation的爬虫依赖Requests库，所以我们必须先确保电脑中安装好Requests库。

第二步，安装Easyquotation。Easyquotation有两种安装方式，我们既可以通过pip install的方式进行一键安装，也可也从github上clone对应的库文件，进行手工安装。安装完Easyquotation库，我们就可以开始使用它了。

简要介绍

在实测代码使用Easyquotation之前，我们先对其主体逻辑，做一个简单介绍：

首先，Easyquotation的Api提供了一个入口，允许我们在使用时，选择爬取哪个数据源，Easyquotation支持的数据源包括：新浪、集思录、腾讯以及中国银行（汇率），中国银行的数据源主要为了读取美元人民币等主流外汇的汇率，我们平时用的比较少，所以文章重点介绍前3个爬虫数据源的使用：新浪财经、集思录、腾讯财经。

其次，Easyquotation有一个名为Basequotation基类，这个基类大家不需要特别理解它的技术细节，只需要知道它的总体功能，包括两方面：一是定义爬虫获取数据的基础函数，二是创建查询线程池。

最后，是各个扩展子类，子类有三大功能：继承基类函数、重载自定义行情源、接收数据的处理函数。而我们后续要做的实测，就是将子类进行实例化。比如我们用新浪财经的爬虫数据，就是实例化Sina的子类，而如果我们用集思录的爬虫数据，就是实例化jsl的子类，其他子类，皆可以此类推。

实测：新浪财经爬虫

示例1：新浪财经爬取全市场股票实时数据（snapshot）。Easyquotation中有一个好用的方法market_snapshot，可以用一个函数爬取到沪深两市所有股票的实时数据（snapshot）。

import easyquotation
quotation = easyquotation.use('sina')
Res_Sina_AllSnap = quotation.market_snapshot(prefix=True)

示例2：获取交易所上市ETF的实时Ticker数据，调用real方法，我们以513050中概互联为例，获取到该ETF相应的Ticker，具体字段参见运行结果截图。

Res_Sina_stock = quotation.real('513050')

示例3：获取个股实时Ticker数据，调用stocks方法，该方法支持同时获取多个个股，采用逗号分隔的形式，例如我们同时获取600519、601888的实时Ticker数据，返回的字段与ETF的Ticker数据字段相同。

Res_Sina_stocks = quotation.stocks(['600519', '601888'])

示例4：获取交易所指数的实时Ticker数据，同样调用stocks方法，同样支持同时获取多个指数，仍采用逗号分隔的形式，我们这里实时获取sh000001上证指数、sz000001深圳综指的Ticker数据。需要注意的是，由于指数不存在盘口，所以此时返回的bid、ask数据都为0。

Res_Sina_index = quotation.stocks(['sh000001', 'sz000001'], prefix=True)

实测：集思录爬虫

我们再继续测试集思录的爬虫，我们通过jsl子类的实例化，并依次调用funda、fundb、qdii、etfindex，分别获取到集思录整理的分级A、分级B、QDII以及ETF的数据。再将这些数据转换为标准的DataFrame格式，方便我们查看数据字段与数据内容。实现代码、数据字段如下：

quotation = easyquotation.use('jsl')
Res_Jsl_fja = quotation.funda()
Res_Jsl_fjb = quotation.fundb()
Res_Jsl_qd = quotation.qdii()
Res_Jsl_etf = quotation.etfindex()
df_Jsl_fja = pd.DataFrame.from_dict(Res_Jsl_fja, orient='index')
df_Jsl_fjb = pd.DataFrame.from_dict(Res_Jsl_fjb, orient='index')
df_Jsl_qd = pd.DataFrame.from_dict(Res_Jsl_qd, orient='index')
df_Jsl_etf = pd.DataFrame.from_dict(Res_Jsl_etf, orient='index')

分级A数据字段

分级B数据字段

ETF数据字段

QDII数据字段

实测：腾讯财经爬虫

腾讯财经爬虫是三个股票数据爬虫中，功能最强大的。腾讯财经能够获取到新浪财经所没有的A股日内分时数据、港股日线数据、以及港股日内数据。

示例1：A股日内分时图

我们通过腾讯财经，可以获取到A股个股当日的完整分时数据，从而画出该股票的日内分时图，有了分时数据，我们可以利用分时数据，做我们想要的日内指标、进出场点位的计算。

在下面的代码中，我们仍然以600519贵州茅台为例，通过real方法获取股票日内分时数据，并将分时图用Python绘图工具绘制出来。

quotation = easyquotation.use("timekline")
querycode = '600519'
Res_tx_mindata = quotation.real([querycode], prefix=True)
querykey = 'sh' + querycode + '.js'
mindata = pd.DataFrame(Res_tx_mindata[querykey]['time_data'], columns=['time', 'close', 'volume'])
mindata['close'] = mindata['close'].map(lambda x: float(x))
mindata['volume'] = mindata['volume'].map(lambda x: int(x))
fig, ax = plt.subplots(1, 1)
ax_sub = ax.twinx() # 共享x轴，生成次坐标轴
l1, = ax.plot(mindata.time, mindata.close, 'r-', label='price')
l2, = ax_sub.plot(mindata.time, mindata.volume, 'b-', label='volume')
plt.legend(handles=[l1, l2], labels=['price', 'volume'], loc=0)
ax.set_ylabel('price')
ax_sub.set_ylabel('volume')
ax.set_xlabel('time')
ax.set_title('stock realtime')
x_major_locator = MultipleLocator(10)
ax.xaxis.set_major_locator(x_major_locator)

示例2：港股日线数据

除了A股的日内分时数据外，我们还可以通过real方法，获取到港股的日k线数据，只需要向该方法的参数中，传入5位数的港股股票代码，即可调用该部分数据。获取数据后，我们仍然用Python绘图，将示例股票00700腾讯控股的日k线数据量、价数据，绘制出来。

querycode = '00700'
Res_tx_hk_dailydata = quotation.real([querycode])
hk_dailydata = pd.DataFrame(Res_tx_hk_dailydata[querycode],
columns=['Date', 'Open', 'Close', 'High', 'Low', 'volume', 'divi', 'none', 'amount'])
hk_dailydata['Close'] = hk_dailydata['Close'].map(lambda x: float(x))
hk_dailydata['volume'] = hk_dailydata['volume'].map(lambda x: float(x))
fig, ax = plt.subplots(1, 1)
ax_sub = ax.twinx() # 共享x轴，生成次坐标轴
l1, = ax.plot(hk_dailydata.Date, hk_dailydata.Close, 'r-', label='price')
l2, = ax_sub.plot(hk_dailydata.Date, hk_dailydata.volume, 'b-', label='volume')
plt.legend(handles=[l1, l2], labels=['price', 'volume'], loc=0)
ax.set_ylabel('price')
ax_sub.set_ylabel('volume')
ax.set_xlabel('time')
ax.set_title(querycode + ' stock daily')
x_major_locator = MultipleLocator(120)
ax.xaxis.set_major_locator(x_major_locator)

示例3：港股实时行情

我们不仅可以获取港股的日线数据，还能获取港股的实时行情数据。具体的，我们将实例化的类切换成hkquote，并调用real方法，传入参数同样是五位数的港股代码，同时支持多股传入（逗号隔开），就可以获取到港股的实时数据了。此处我们以00001长和、00700腾讯控股为例，获取到了实时的Snapshot数据。

quotation = easyquotation.use("hkquote")
Res_tx_hk_Snap = quotation.real(['00001', '00700'])

往期干货分享推荐阅读

通过深度学习股价截面数据分析和预测股票价格

Omega System Trading and Development Club内部分享策略Easylanguage源码

一个真实数据集的完整机器学习解决方案（下）

一个真实数据集的完整机器学习解决方案（上）

如何使用交易开拓者（TB）开发数字货币策略

股指期货高频数据机器学习预测

如何使用TradingView（TV）回测数字货币交易策略

如何投资股票型基金？什么时间买？买什么？

【数量技术宅|量化投资策略系列分享】基于指数移动平均的股指期货交易策略

AMA指标原作者Perry Kaufman 100+套交易策略源码分享

【数量技术宅 | 期权系列分享】期权策略的“独孤九剑”

【数量技术宅|金融数据系列分享】套利策略的价差序列计算，恐怕没有你想的那么简单

【数量技术宅|量化投资策略系列分享】成熟交易者期货持仓跟随策略

如何获取免费的数字货币历史数据

【数量技术宅|量化投资策略系列分享】多周期共振交易策略

【数量技术宅|金融数据分析系列分享】为什么中证500（IC）是最适合长期做多的指数

商品现货数据不好拿？商品季节性难跟踪？一键解决没烦恼的Python爬虫分享

【数量技术宅|金融数据分析系列分享】如何正确抄底商品期货、大宗商品

【数量技术宅|量化投资策略系列分享】股指期货IF分钟波动率统计策略

【数量技术宅 | Python爬虫系列分享】实时监控股市重大公告的Python爬虫