如何使用 Python 抓取雪球网页？

我想使用beautifulsoup或者其他的python包  抓取  雪球网页上面的一些组合，因为雪球网的组合持仓变动的时候，雪球网不会给提示，比如说，我想抓取这个http://xueqiu.com/P/ZH010389。基本的想法是用程序追踪到他的持仓，然后有变化的时候，程序给我一个提示。

##简而言之，要做的事情是：打开这个界面，然后打开这个界面的调仓历史记录，然后记录下他的当前仓位，对比以前的仓位。##

问题是：由于我对HTML不太了解，我打开Chrome的开发者工具的时候，不知道应该怎么样让我的程序打开他的调仓历史记录。。。

这个问题可能比较小白。。。麻烦啦！！！

回复内容：

//好多人说现在关注就有提醒的……呃，题主提问的时候显然没那个功能。我写这个只是自己在学习爬虫过程中的练习。我不炒股也不上雪球……

//好多赞。容我安利一篇自己的回答如何入门 Python 爬虫？ - 段晓晨的回答

边做边调边写~
#start coding
首先要知道自己在爬什么~楼主说找到HTML的代码云云，思路其实是错误的。因为我们想要的内容不在原始的html里面。但是肯定在浏览器和服务器之间的通信里，我们只要找到这部分数据就好。
#我用的是Firefox的FireBug
选择网络（Chrome中应该是Network），点击调仓历史记录，如图

可以看到浏览器和服务器之间进行了一次通信。我们截获了一个网址。打开看看。

看上去像是一堆乱，但是细心的话就会发现……

也就是说我们要的数据都在这里了，所以只要先获取这个页面的内容然后在提取数据就好了~

import urllib.request
url = 'http://xueqiu.com/cubes/rebalancing/history.json?cube_symbol=ZH010389&count=20&p
age=1'
req = urllib.request.Request(url,headers=headers)
html = urllib.request.urlopen(req).read().decode('utf-8')
print(html)

现在关注一个组合，就会有持仓变动的提示了。不过我觉得这事情挺有意思的。比如可以把很多持仓的数据都抓下来，做一些综合的分析，看看现在网站上被持有最多的股票是哪一支，某一天被调入最多的又是哪一支之类。

于是我决定来抓抓看，顺便借此说说我通常用程序做自动抓取的过程。

Step.1 分析页面

要抓一个网页，首先自然是要“研究”这个网页。通常我会用两种方式：

一个是 Chrome 的 Developer Tools。通过它里面的 Network 功能可以看到页面发出的所有网络请求，而大多数数据请求都会在 XHR 标签下。点击某一个请求，可以看到其具体信息，以及服务器的返回结果。很多网站在对于某些数据会有专门的请求接口，返回一组 json 或者 XML 格式的数据，供前台处理后显示。


另一个就是直接查看网页源代码。通常浏览器的右键菜单里都有这个功能。从页面的 HTML 源码里直接寻找你要的数据，分析它格式，为抓取做准备。

对于雪球上的一个组合页面 ，粗略地看了一下它发出的请求，并没有如预想那样直接找到某个数据接口。看源代码，发现有这样一段：

SNB.cubeInfo = {"id":10289,"name":"誓把老刀挑下位","symbol":"ZH010389" ...此处略过三千字... "created_date":"2014.11.25"}
SNB.cubePieData = [{"name":"汽车","weight":100,"color":"#537299"}];

雪球网已经改了很多规则，以前的很多代码估计都不能用了
我刚写了一个雪球网的模拟登录，fuck-login/012 xueqiu.com at master · xchaoinfo/fuck-login · GitHub
在此基础上修改，可以达到题主的目的，而且可以做到更加简单。
处理 cookies ，不需要每次都登录一次的方法，可以参考 fuck-login/001 zhihu at master · xchaoinfo/fuck-login · GitHub 的处理方法。 需要两个模块配合:

• 爬虫模块：单纯负责抓取和存储数据

• 数据处理模块：处理爬虫存储的数据。如发现某个人某个持仓数据发生了变化，向你发出通知

该爬虫的简单的流程:

1. 定时访问目标页面

2. 抓取当前目标页面的数据，存入数据库

数据处理模块简单的流程：

1. 定时访问数据库

2. 数据库中的数据满足某个条件时执行自己设定的动作

抓取雪球的数据？巧了，刚看到一篇文章专门讲这个的，推荐给大家：互联网金融爬虫怎么写已关注的组合会收到调仓通知。

#技术宅都好暴力，看不到调仓就直接抓......# 我在 @段晓晨的基础上做了一点点优化，目前是这样的。

测试前请把帐号密码填上

更新内容：
增加了自动获取cookie
修改了一下显示组合改变的代码

import urllib.requestimport jsonimport http.cookiejar#设置cookieCookieJar = http.cookiejar.CookieJar()CookieProcessor = urllib.request.HTTPCookieProcessor(CookieJar)opener = urllib.request.build_opener(CookieProcessor)urllib.request.install_opener(opener)#登陆获得cookieparams = urllib.parse.urlencode({'username':'*****','password':'*****'}).encode(encoding='UTF8')headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 6.2; WOW64; rv:38.0) Gecko/20100101 Firefox/38.0'}request = urllib.request.Request('http://xueqiu.com/user/login',headers=headers)httpf = opener.open(request, params)#获得组合url = 'http://xueqiu.com/cubes/rebalancing/history.json?cube_symbol=ZH340739&count=20&page=1'req = urllib.request.Request(url,headers=headers)html = urllib.request.urlopen(req).read().decode('utf-8')data = json.loads(html)stockdata = data['list'][0]['rebalancing_histories']for i in range(len(stockdata)):print('股票名称',end=':')print(stockdata[i]['stock_name'],end='   持仓变化')print(stockdata[i]['prev_weight'],end='-->')print(stockdata[i]['target_weight'])

首先需要三个库：urllib2，cookielib，json
然后用firefox 打开誓把老刀挑下位 并登陆，然后找到 cookie文件，
最后调仓记录的地址是：http://xueqiu.com/cubes/rebalancing/history.json?cube_symbol=ZH010389&count=20&page=1   用urllib2 和coolielib 伪造header，和cookie 访问 就可以得到 json文件格式的调仓记录，然后用json 处理 就可以了 题主不知道关注后有推送提示么 ...... 用shell