python爬取企业名录并入库

#!/usr/bin/env python2
#-*-coding:utf-8-*-

'''
@version: python2.7
@author: ‘zyjsuper‘
@license: Apache Licence 
@software: PyCharm
@file: gettodb.py
@time: $2019-10-03 10:01
'''
# 导入需要使用到的模块
import urllib
import re
import pandas as pd
import pymysql
import os


# 爬虫抓取网页函数
def getHtml(url):
    html = urllib.request.urlopen(url).read()
    html = html.decode('utf-8')
    return html


# 抓取网页股票代码函数
def getStackCode(html):
    s = r'<li><a target="_blank" href="http://quote.eastmoney.com/\S\S(.*?).html">'
    pat = re.compile(s)
    code = pat.findall(html)
    return code


#########################开始干活############################
Url = 'http://quote.eastmoney.com/stocklist.html'  # 东方财富网股票数据连接地址
filepath = '/Users/zyjsuper/Documents/data'  # 定义数据文件保存路径
# 实施抓取
code = getStackCode(getHtml(Url))
# 获取所有股票代码（以6开头的，应该是沪市数据）集合
CodeList = []
for item in code:
    if item[0] == '6':
        CodeList.append(item)
# 抓取数据并保存到本地csv文件
for code in CodeList:
    print('正在获取股票%s数据' % code)
    url = 'http://quotes.money.163.com/service/chddata.html?code=0' + code + \
          '&end=20161231&fields=TCLOSE;HIGH;LOW;TOPEN;LCLOSE;CHG;PCHG;TURNOVER;VOTURNOVER;VATURNOVER;TCAP;MCAP'
    urllib.request.urlretrieve(url, filepath + code + '.csv')

##########################将股票数据存入数据库###########################

# 数据库名称和密码
name = 'cipuser'
password = 'cippass'  # 替换为自己的账户名和密码
# 建立本地数据库连接(需要先开启数据库服务)
db = pymysql.connect('192.168.128.130', name, password, charset='utf8')
cursor = db.cursor()
# 创建数据库stockDataBase

#sqlSentence1 = "create database stockDataBase"
#cursor.execute(sqlSentence1)  # 选择使用当前数据库
sqlSentence2 = "use stockDataBase;"
cursor.execute(sqlSentence2)

# 获取本地文件列表
fileName = ''
data = ''
fileList = os.listdir(filepath)
# 依次对每个数据文件进行存储
for fileName in fileList:
    try:
        data = pd.read_csv(filepath + fileName, encoding="gbk")
        # 创建数据表，如果数据表已经存在，会跳过继续执行下面的步骤print('创建数据表stock_%s'% fileName[0:6])
        sqlSentence3 = "create table stock_%s" % fileName[0:6] + "(日期 date, 股票代码 VARCHAR(10),     名称 VARCHAR(10),\
                           收盘价 float,    最高价    float, 最低价 float, 开盘价 float, 前收盘 float, 涨跌额    float, \
                           涨跌幅 float, 换手率 float, 成交量 bigint, 成交金额 bigint, 总市值 bigint, 流通市值 bigint)"
        cursor.execute(sqlSentence3)
    except:
        print('数据表已存在！')

# 迭代读取表中每行数据，依次存储（整表存储还没尝试过）
print('正在存储stock_%s' % fileName[0:6])
length = len(data)
for i in range(0, length):
    record = tuple(data.loc[i])
    # 插入数据语句
    try:
        sqlSentence4 = "insert into stock_%s" % fileName[0:6] + "(日期, 股票代码, 名称, 收盘价, 最高价, 最低价, 开盘价, 前收盘, 涨跌额, 涨跌幅, 换手率, \
            成交量, 成交金额, 总市值, 流通市值) values ('%s',%s','%s',%s,%s,%s,%s,%s,%s,%s,%s,%s,%s,%s,%s)" % record
        # 获取的表中数据很乱，包含缺失值、Nnone、none等，插入数据库需要处理成空值
        sqlSentence4 = sqlSentence4.replace('nan', 'null').replace('None', 'null').replace('none', 'null')
        cursor.execute(sqlSentence4)
    except:
        # 如果以上插入过程出错，跳过这条数据记录，继续往下进行
        break

# 关闭游标，提交，关闭数据库连接
cursor.close()
db.commit()
db.close()

###########################查询刚才操作的成果##################################

# 重新建立数据库连接
db = pymysql.connect('192.168.128.130', name, password, 'stockDataBase')
cursor = db.cursor()
# 查询数据库并打印内容
cursor.execute('select * from stock_600000')
results = cursor.fetchall()
for row in results:
    print(row)
# 关闭
cursor.close()
db.commit()
db.close()