爬虫常规思路：
1.分析网页
2.对网页发送请求，获取响应
3.提取解析数据
4.保存数据
Python版本：3.6.5
import requests
import time
import csv
import re
一、分析网页
其实这个网站的网页数据没有太多的反爬，就是网页需要构建一个params的参数，该参数里面包含了网页翻页的数据，时间戳的数据，这些是动态的，需要怎么自己指定一下，如图所示：
Snipaste_2021-02-02_14-24-18.png
如上分析后，就可以对该链接发送请求了，但是这个网站还有一个和别的地方不一样的，他给你返回的不是html源码，也不是json数据，而是字符数据，如图：
Snipaste_2021-02-02_14-27-41.png
我们可以看到这些不同html和json数据，所以就需要用到正则表达式老进行过滤提取了。
经过以上分析，我的大体思路就是，先爬取一页的数据，利用正则提取，能成功爬取到一页的数据后，只用做一个循环遍历，就可以爬取多页的数据了。
二、先构建需要请求网页所需的params参数
代码如下：
def get_params(self):
"""
构建params参数的方法
:return:
"""
params = {
"t": "1",
"lx": "1",
"letter": "",
"gsid": "",
"text": "",
"sort": "zdf,desc",
"page": f"{str(self.page)},200",
"dt": str(self.TIMESTRF),
"atfc": "",
"onlySale": "0",
}
return params
dt这个参数上面说了，是一个不正规的时间戳，那么我们怎么办，思路是，用time模块先提取出真正的当前时间戳，然后用int()把他强制转换成整数，然后乘以1000，就可以得到这个不正规的时间戳了，在构建的时候，在把这个时间戳转换成str()就可以了。
int(time.time()) * 1000
三、对网页发送请求，获取响应
def parse_url(self, url):
"""
发送请求，获取响应数据的方法
:param url:
:return:
"""
params = self.get_params()
response = requests.get(url, headers=self.headers, params=params)
if response.status_code == 200:
return response.content.decode()
四、提取解析数据
def get_data(self, data_str):
"""
提取基金数据的方法
:param data_str:
:return:
"""
str_data = re.findall('var db=.*,datas:(.*),count:.*}', data_str, re.S)[0]
data_list = eval(str_data)
for data in data_list:
yield {
'基金代码': data[0],
'基金简称': data[1],
'单位净值': data[3],
'累计净值': data[4],
'日增长值': data[6],
'日增长率': data[7],
'手续费': data[17]
}
五、完整思路和保存数据
def run(self):
"""
实现主要逻辑思路
:return:
"""
with open('./jjData.csv', 'a', encoding='utf-8-sig', newline="") as csvfile:
fieldnames = ['基金代码', '基金简称', '单位净值', '累计净值', '日增长值', '日增长率', '手续费']
write_dict = csv.DictWriter(csvfile, fieldnames=fieldnames)
write_dict.writeheader()
# 1，发送请求，获取响应数据
data_str = self.parse_url(self.API_URL)
# 2，提取数据
fund_data_list = self.get_data(data_str)
for fund_data in fund_data_list:
print(fund_data)
# 3，保存数据
write_dict.writerow(fund_data)
效果展示：
Snipaste_2021-02-02_14-45-22.png
