ETJava Beta | Java    注册   登录
  • 搜索:
  • 编写高性能爬虫抓取股票行情数据

    发表于      阅读(1)     博客类别:Crawler     转自:https://www.cnblogs.com/sheng_chao/p/18517363
    如有侵权 请联系我们删除  (页面底部联系我们)  

    最近给一个私募大佬帮忙做了一些股票交易有关的系统,其中涉及到行情数据抓取的问题,一番摸索之后,把成果在这里做个分享。

    我把行情抓取的部分,和一个写手记的小功能,单独拿了出来放在一个小系统里面,可以免费使用:https://rich.shengxunwei.com/

    先简单介绍下这个小系统的样子,然后我会详细的解释如何高性能实时抓取股票行情。

    可以添加自己关注股票列表,支持股票、场内基金、可转债:

    股票详情数据:

    场内基金详情数据:

    可转债详情数据:

    在线演示:https://rich.shengxunwei.com/


    行情抓取的数据来源

    目前主要的数据来源是几个财经网站,比如东财:

    实时行情抓取方法

    实时行情抓取的一个核心类是 HttpClient 类,然后只需访问东财的网站即可。

    创建 HttpClient

    下面的大多数示例都重复使用同一 HttpClient 实例,因此只需配置一次。 要创建 HttpClient,请使用 HttpClient 类构造函数。

    // HttpClient lifecycle management best practices:
    // https://learn.microsoft.com/dotnet/fundamentals/networking/http/httpclient-guidelines#recommended-use
    private static HttpClient sharedClient = new()
    {
        BaseAddress = new Uri("https://jsonplaceholder.typicode.com"),
    };
    

    前面的代码:

    实例化新的 HttpClient 实例作为 static 变量。 根据准则,建议在应用程序的生命周期内重复使用 HttpClient 实例。
    将 HttpClient.BaseAddress 设置为 "https://jsonplaceholder.typicode.com"。
    发出后续请求时,此 HttpClient 实例将使用基址。 若要应用其他配置,请考虑:

    设置 HttpClient.DefaultRequestHeaders。
    应用非默认 HttpClient.Timeout。
    指定 HttpClient.DefaultRequestVersion。

    虽然面向 Android 设备(如 .NET MAUI 开发),但必须将 android:usesCleartextTraffic="true" 添加到 AndroidManifest.xml 中的 。 这将启用明文流量,例如 HTTP 请求;否则由于 Android 安全策略,默认情况下会禁用。 请考虑以下示例 XML 设置:

    <?xml version="1.0" encoding="utf-8"?>
    <manifest xmlns:android="http://schemas.android.com/apk/res/android">
      <application android:usesCleartextTraffic="true"></application>
      <!-- omitted for brevity -->
    </manifest>
    

    HTTP 内容

    HttpContent 类型用于表示 HTTP 实体正文和相应的内容标头。 对于需要正文的 HTTP 方法(或请求方法)POST、PUT 和 PATCH,可使用 HttpContent 类来指定请求的正文。 大多数示例演示如何使用 JSON 有效负载准备 StringContent 子类,但还有针对其他内容 (MIME) 类型的其他子类。

    • ByteArrayContent:提供基于字节数组的 HTTP 内容。
    • FormUrlEncodedContent:为使用 "application/x-www-form-urlencoded" MIME 类型编码的名称/值元组提供 HTTP 内容。
    • JsonContent:提供基于 JSON 的 HTTP 内容。
    • MultipartContent:提供使用 "multipart/*" MIME 类型规范进行序列化的 HttpContent 对象的集合。
    • MultipartFormDataContent:为使用 "multipart/form-data" MIME 类型进行编码的内容提供容器。
    • ReadOnlyMemoryContent:提供基于 ReadOnlyMemory 的 HTTP 内容。
    • StreamContent:提供基于流的 HTTP 内容。
    • StringContent:提供基于字符串的 HTTP 内容。
    • HttpContent 类还用于表示 HttpResponseMessage 的响应正文,可通过 HttpResponseMessage.Content 属性访问。

    HTTP Get

    GET 请求不应发送正文,而是用于(如方法名称所示)从资源检索(或获取)数据。 要在给定 HttpClient 和 URI 的情况下发出 HTTP GET 请求,请使用 HttpClient.GetAsync 方法:

    static async Task GetAsync(HttpClient httpClient)
    {
        using HttpResponseMessage response = await httpClient.GetAsync("todos/3");
        
        response.EnsureSuccessStatusCode()
            .WriteRequestToConsole();
        
        var jsonResponse = await response.Content.ReadAsStringAsync();
        Console.WriteLine($"{jsonResponse}\n");
    
        // Expected output:
        //   GET https://jsonplaceholder.typicode.com/todos/3 HTTP/1.1
        //   {
        //     "userId": 1,
        //     "id": 3,
        //     "title": "fugiat veniam minus",
        //     "completed": false
        //   }
    }
    

    HTTP Get from JSON

    https://jsonplaceholder.typicode.com/todos 终结点返回“todo”对象的 JSON 数组。 这些对象的 JSON 结构如下所示

    [
      {
        "userId": 1,
        "id": 1,
        "title": "example title",
        "completed": false
      },
      {
        "userId": 1,
        "id": 2,
        "title": "another example title",
        "completed": true
      },
    ]
    

    本地计算机或应用程序配置文件可以指定使用默认代理。 如果指定了 Proxy 属性,则 Proxy 属性中的代理设置会覆盖本地计算机或应用程序配置文件,并且处理程序将使用指定的代理设置。 如果未在配置文件中指定代理,并且未指定 Proxy 属性,则处理程序将使用从本地计算机继承的代理设置。 如果没有代理设置,则请求将直接发送到服务器。