Python股票分析系列——自动获取标普500股票列表.p5

该系列视频已经搬运至bilibili： 点击查看

欢迎来到Python for Finance教程系列的第5部分。在本教程和接下来的几节中，我们将着手研究如何为更多公司提供大量的定价信息，以及如何一次处理所有这些数据。

首先，我们需要一份公司名单。我可以给你一个清单，但实际上获得股票清单可能只是你可能遇到的众多挑战之一。在我们的案例中，我们需要一个标准普尔500公司的Python列表。

无论您是在寻找道琼斯公司，标准普尔500指数还是罗素3000指数，都有可能在某个地方发布了这些公司的帖子。你会想确保它是最新的，但它可能还不是完美的格式。在我们的例子中，我们将从维基百科获取列表：http://en.wikipedia.org/wiki/List_of_S%26P_500_companies。

维基百科中的代号/符号组织在一张桌子上。为了解决这个问题，我们将使用HTML解析库，Beautiful Soup。

首先，我们从一些库开始：

import bs4 as bs
import pickle
import requests

bs4是beautifulsoup，pickle让我们可以很容易地保存这些公司名单，而不是每次运行时都敲击维基百科（尽管记住，及时更新这个清单！），我们将使用requests从Wikipedia的页面获取源代码。

开始我们的功能：

def save_sp500_tickers():
    resp = requests.get('http://en.wikipedia.org/wiki/List_of_S%26P_500_companies')
    soup = bs.BeautifulSoup(resp.text, 'lxml')
    table = soup.find('table', {'class': 'wikitable sortable'})

首先，我们访问维基百科页面，并给出响应，其中包含我们的源代码。为了对待我们想要的源代码，我们希望访问.text属性，我们使用BeautifulSoup转向soup。如果您不熟悉BeautifulSoup为您所做的工作，它基本上将源代码转换为BeautifulSoup对象，突然可以将其视为更典型的Python对象。

有一次维基百科试图拒绝对Python的访问。目前，在我写这篇文章的时候，代码的工作原理没有改变头文件。如果您发现原始源代码（resp.text）似乎不像您在家用计算机上看到的那样返回相同页面，请添加以下内容并更改resp var code：

    headers = {'User-Agent': 'Mozilla/5.0 (X11; Linux i686) AppleWebKit/537.17 (KHTML, like Gecko) Chrome/24.0.1312.27 Safari/537.17'}
    resp = requests.get('http://en.wikipedia.org/wiki/List_of_S%26P_500_companies',
                        headers=headers)

一旦我们有了我们的soup，我们可以通过简单地搜索 wikitable sortable classes。我知道指定此表的唯一原因是因为我首先在浏览器中查看了源代码。可能会有一段时间，你想解析一个不同的网站的股票列表，也许它是在一个表中，或者它可能是一个列表，也可能是一些div标签。这只是一个非常具体的解决方案。从这里开始，我们只是遍历表格：

    tickers = []
    for row in table.findAll('tr')[1:]:
        ticker = row.findAll('td')[0].text
        tickers.append(ticker)

对于每一行，在标题行之后（这就是为什么我们要从[1：]开始），我们说的是股票行情是“table data”（td），我们抓住它的.text，我们将此代码添加到我们的列表中。

现在，如果我们可以保存这份清单，那就太好了。我们将为此使用pickle模块，它为我们序列化Python对象。

    with open("sp500tickers.pickle","wb") as f:
        pickle.dump(tickers,f)

    return tickers

我们希望继续并保存这些内容，这样我们就不用每天多次请求维基百科。在任何时候，我们都可以更新这个列表，或者我们可以编程它每月检查一次......等等。

完整的代码到目前为止：

import bs4 as bs
import pickle
import requests

def save_sp500_tickers():
    resp = requests.get('http://en.wikipedia.org/wiki/List_of_S%26P_500_companies')
    soup = bs.BeautifulSoup(resp.text, 'lxml')
    table = soup.find('table', {'class': 'wikitable sortable'})
    tickers = []
    for row in table.findAll('tr')[1:]:
        ticker = row.findAll('td')[0].text
        tickers.append(ticker)

    with open("sp500tickers.pickle","wb") as f:
        pickle.dump(tickers,f)

    return tickers

save_sp500_tickers()

现在我们知道了代号，我们准备好将所有信息都提取出来，这是我们将在下一个教程中做的事情。

下一篇教程：Python股票分析系列——获得标普500的所有公司股票数据.p6