当前位置: 首页 > 涨幅分析 >教你用Python爬虫股票评论,简单分析股民用户情绪

教你用Python爬虫股票评论,简单分析股民用户情绪

2023-05-10 14:56:27

来源:大数据挖掘DT数据分析

本文长度为1500字建议阅读7分钟

本文为你分享如何爬取分析股民评论数据,预测用户情绪走势。


一、背景

    

股民是网络用户的一大群体,他们的网络情绪在一定程度上反映了该股票的情况,也反映了股市市场的波动情况。作为一只时间充裕的研究僧,我课余时间准备写个小代码get一下股民的评论数据,分析用户情绪的走势。代码还会修改,因为结果不准确,哈哈!


二、数据来源

    

本次项目不用于商用,数据来源于东方财富网,由于物理条件,我只获取了一只股票的部分评论,没有爬取官方的帖子,都是获取的散户的评论。


三、数据获取


Python是个好工具,这次我使用了selenium和PhantomJS组合进行爬取网页数据,当然还是要分析网页的dom结构拿到自己需要的数据。


爬虫部分:



from selenium import webdriver  
import time  
import json  
import re    
# from HTMLParser import HTMLParser  
from myNLP import *  
# from lxml import html  
# import requests  
class Crawler:  
   
url = ''  
   
newurl = set()  
   headers = {}  
   cookies = {}  
   def __init__(self, stocknum, page):  
       
self.url = 'http://guba.eastmoney.com/list,'+stocknum+',5_'+page+'.html'  
       
cap = webdriver.DesiredCapabilities.PHANTOMJS  
       cap["phantomjs.page.settings.resourceTimeout"] = 1000  
       
#cap["phantomjs.page.settings.loadImages"] = False  
       #cap["phantomjs.page.settings.localToRemoteUrlAccessEnabled"] = True  
       
self.driver = webdriver.PhantomJS(desired_capabilities=cap)  
   def crawAllHtml(self,url):  
       
self.driver.get(url)  
       time.sleep(2)  
#         htmlData = requests.get(url).content.decode('utf-8')  
#         domTree = html.fromstring(htmlData)  
#         return domTree  
   
def getNewUrl(self,url):  
       
self.newurl.add(url)  
   def filterHtmlTag(self, htmlStr):  
       
self.htmlStr = htmlStr    
       
#先过滤CDATA    
       
re_cdata=re.compile('//<!CDATA
[>]//
>
',re.I) #匹配CDATA    
       
re_script=re.compile('<\s*script[^>]*>[^<]*<\s*/\s*script\s*>',re.I)#Script    
       
re_style=re.compile('<\s*style[^>]*>[^<]*<\s*/\s*style\s*>',re.I)#style    
       
re_br=re.compile('<br\s*?/?>')#处理换行    
       
re_h=re.compile('</?\w+[^>]*>')#HTML标签    
       
re_comment=re.compile('<!--[^>]*-->')#HTML注释    
       
s=re_cdata.sub('',htmlStr)#去掉CDATA    
       
s=re_script.sub('',s) #去掉SCRIPT    
       
s=re_style.sub('',s)#去掉style    
       
s=re_br.sub('\n',s)#br转换为换行    
       
blank_line=re.compile('\n+')#去掉多余的空行    
       
s = blank_line.sub('\n',s)    
       s=re_h.sub('',s) #去掉HTML 标签    
       
s=re_comment.sub('',s)#去掉HTML注释    
       
#去掉多余的空行    
       
blank_line=re.compile('\n+')    
       s=blank_line.sub('\n',s)    
       return s  
   def getData(self):  
       
comments = []  
       self.crawAllHtml(self.url)  
       postlist = self.driver.find_elements_by_xpath('//*[@id="articlelistnew"]/div')  
       for post in postlist:  
           
href = post.find_elements_by_tag_name('span')[2].find_elements_by_tag_name('a')  
           if len(href):  
               
self.getNewUrl(href[0].get_attribute('href'))  
#             if len(post.find_elements_by_xpath('./span[3]/a/@href')):  
#                 self.getNewUrl('http://guba.eastmoney.com'+post.find_elements_by_xpath('./span[3]/a/@href')[0])  
       
for url in self.newurl:  
           
self.crawAllHtml(url)  
           time = self.driver.find_elements_by_xpath('//*[@id="zwconttb"]/div[2]')  
           post = self.driver.find_elements_by_xpath('//*[@id="zwconbody"]/div')  
           age = self.driver.find_elements_by_xpath('//*[@id="zwconttbn"]/span/span[2]')  
           if len(post) and len(time) and len(age):  
               
text = self.filterHtmlTag(post[0].text)  
               if len(text):  
                   
tmp = myNLP(text)  
                   comments.append({'time':time[0].text,'content':tmp.prob, 'age':age[0].text})  
           commentlist = self.driver.find_elements_by_xpath('//*[@id="zwlist"]/div')    
           if len(commentlist):  
               for
comment in commentlist:  
                   
time = comment.find_elements_by_xpath('./div[3]/div[1]/div[2]')  
                   post = comment.find_elements_by_xpath('./div[3]/div[1]/div[3]')  
                   age = comment.find_elements_by_xpath('./div[3]/div[1]/div[1]/span[2]/span[2]')  
                   if len(post) and len(time) and len(age):  
                       
text = self.filterHtmlTag(post[0].text)  
                       if len(text):  
                           
tmp = myNLP(text)  
                           comments.append({'time':time[0].text,'content':tmp.prob, 'age':age[0].text})  
       return json.dumps(comments)  


存储部分:

这部分其实可以用数据库来做,但是由于只是试水,就简单用json文件来存部分数据:


import io  
class File:  
   
name = ''  
   
type = ''  
   
src = ''  
   
file = ''  
   
def __init__(self,name, type, src):  
       
self.name = name  
       
self.type = type  
       
self.src = src    
       
filename = self.src+self.name+'.'+self.type  
       self.file = io.open(filename,'w+', encoding = 'utf-8')  
   def inputData(self,data):  
       
self.file.write(data.decode('utf-8'))  
       self.file.close()  
   def closeFile(self):  
       
self.file.close()  


测试用的local服务器:


这里只是为了要用浏览器浏览数据图,由于需要读取数据,js没有权限操作本地的文件,只能利用一个简单的服务器来弄了:


  1. import SimpleHTTPServer  

  2. import SocketServer;  

  3. PORT = 8000  

  4. Handler = SimpleHTTPServer.SimpleHTTPRequestHandler  

  5. httpd = SocketServer.TCPServer(("", PORT), Handler);  

  6. httpd.serve_forever()  


NLP部分:snowNLP这个包还是用来评价买卖东西的评论比较准确


不是专门研究自然语言的,直接使用他人的算法库。这个snowNLP可以建立一个训练,有空自己来弄一个关于股票评论的。


  1. #!/usr/bin/env python  

  2. # -*- coding: UTF-8 -*-  

  3. from snownlp import SnowNLP  

  4. class myNLP:  

  5.     prob = 0.5  

  6.     def _init_(self, text):  

  7.         self.prob = SnowNLP(text).sentiments  


主调度:

  1. # -*- coding: UTF-8 -*-  

  2. ''''' 

  3. Created on 2017年5月17日 

  4. @author: luhaiya 

  5. @id: 2016110274 

  6. @description: 

  7. '''  

  8. #http://data.eastmoney.com/stockcomment/  所有股票的列表信息  

  9. #http://guba.eastmoney.com/list,600000,5.html 某只股票股民的帖子页面  

  10. #http://quote.eastmoney.com/sh600000.html?stype=stock 查询某只股票  

  11. from Crawler import *  

  12. from File import *  

  13. import sys  

  14. default_encoding = 'utf-8'  

  15. if sys.getdefaultencoding() != default_encoding:  

  16.     reload(sys)  

  17.     sys.setdefaultencoding(default_encoding)  

  18.              

  19. def main():  

  20.     stocknum = str(600000)  

  21.     total = dict()  

  22.     for i in range(1,10):  

  23.         page = str(i)  

  24.         crawler = Crawler(stocknum, page)  

  25.         datalist = crawler.getData()  

  26.         comments = File(stocknum+'_page_'+page,'json','./data/')  

  27.         comments.inputData(datalist)  

  28.         data = open('./data/'+stocknum+'_page_'+page+'.json','r').read()  

  29.         jsonData = json.loads(data)  

  30.         for detail in jsonData:  

  31.             num = '1' if '年' not in detail['age'].encode('utf-8') else detail['age'].encode('utf-8').replace('年','')  

  32.             num = float(num)  

  33.             date = detail['time'][4:14].encode('utf-8')  

  34.             total[date] = total[date] if date in total.keys() else {'num':0, 'content':0}  

  35.             total[date]['num'] = total[date]['num'] + num if total[date]['num'] else num  

  36.             total[date]['content'] = total[date]['content'] + detail['content']*num if total[date]['content'] else detail['content']*num  

  37.     total = json.dumps(total)  

  38.     totalfile = File(stocknum,'json','./data/')  

  39.     totalfile.inputData(total)  

  40. if __name__ == "__main__":  

  41.     main()  


四、前端数据展示


使用百度的echarts。用户的情绪是使用当天所有评论的情绪值的加权平均,加权系数与用户的股龄正相关。


  1. <!DOCTYPE html>  

  2. <html>  

  3. <head>  

  4. <meta charset="UTF-8">  

  5. <title>分析图表</title>  

  6. <style>  

  7. body{texr-align:center;}  

  8. #mainContainer{width:100%;}  

  9. #fileContainer{width:100%; text-align:center;}  

  10. #picContainer{width: 800px;height:600px;margin:0 auto;}  

  11. </style>  

  12. </head>  

  13. <body>  

  14. <div id = 'mainContainer'>  

  15. <div id = 'fileContainer'>这里是文件夹列表</div>  

  16. <div id = 'picContainer'></div>  

  17. </div>  

  18. <script src="http://apps.bdimg.com/libs/jquery/2.1.1/jquery.min.js"></script>   

  19. <script src = "./echarts.js"></script>  

  20. <script>  

  21. main();  

  22. function main(){  

  23.     var stocknum = 600000;  

  24.     getDate(stocknum);  

  25. }  

  26. function getDate(stocknum){  

  27.     var src = "./data/"+stocknum+".json";  

  28.     $.getJSON(src, function (res){  

  29.         var date = [];  

  30.         for(var key in res){  

  31.             key = key.replace('-','/').replace('-','/');  

  32.             date.push(key);  

  33.         }  

  34.         date.sort();  

  35.         data = [];  

  36.         for (var i = 0; i < date.length; i++) {  

  37.             dat = date[i].replace('/','-').replace('/','-');  

  38.             data.push(res[dat]['content']/res[dat]['num']);  

  39.         }  

  40.         drawPic(date,data);  

  41.     })  

  42. }  

  43. function drawPic(date, data){  

  44.     //initialize and setting options  

  45.     var myChart = echarts.init(document.getElementById('picContainer'));  

  46.     option = {  

  47.         tooltip: {  

  48.             trigger: 'axis',  

  49.             position: function (pt) {  

  50.                 return [pt[0], '10%'];  

  51.             }  

  52.         },  

  53.         title: {  

  54.             left: 'center',  

  55.             text: '股票情绪走向图',  

  56.         },  

  57.         toolbox: {  

  58.             feature: {  

  59.                 dataZoom: {  

  60.                     yAxisIndex: 'none'  

  61.                 },  

  62.                 restore: {},  

  63.                 saveAsImage: {}  

  64.             }  

  65.         },  

  66.         xAxis: {  

  67.             type: 'category',  

  68.             boundaryGap: false,  

  69.             data: date  

  70.         },  

  71.         yAxis: {  

  72.             type: 'value',  

  73.             boundaryGap: [0, '100%']  

  74.         },  

  75.         dataZoom: [{  

  76.             type: 'inside',  

  77.             start: 0,  

  78.             end: 10  

  79.         }, {  

  80.             start: 0,  

  81.             end: 10,  

  82.             handleIcon: 'M10.7,11.9v-1.3H9.3v1.3c-4.9,0.3-8.8,4.4-8.8,9.4c0,5,3.9,9.1,8.8,9.4v1.3h1.3v-1.3c4.9-0.3,8.8-4.4,8.8-9.4C19.5,16.3,15.6,12.2,10.7,11.9z M13.3,24.4H6.7V23h6.6V24.4z M13.3,19.6H6.7v-1.4h6.6V19.6z',  

  83.             handleSize: '80%',  

  84.             handleStyle: {  

  85.                 color: '#fff',  

  86.                 shadowBlur: 3,  

  87.                 shadowColor: 'rgba(0, 0, 0, 0.6)',  

  88.                 shadowOffsetX: 2,  

  89.                 shadowOffsetY: 2  

  90.             }  

  91.         }],  

  92.         series: [  

  93.             {  

  94.                 name:'stocknum',  

  95.                 type:'line',  

  96.                 smooth:true,  

  97.                 symbol: 'none',  

  98.                 sampling: 'average',  

  99.                 itemStyle: {  

  100.                     normal: {  

  101.                         color: 'rgb(255, 70, 131)'  

  102.                     }  

  103.                 },  

  104.                 areaStyle: {  

  105.                     normal: {  

  106.                         color: new echarts.graphic.LinearGradient(0, 0, 0, 1, [{  

  107.                             offset: 0,  

  108.                             color: 'rgb(255, 158, 68)'  

  109.                         }, {  

  110.                             offset: 1,  

  111.                             color: 'rgb(255, 70, 131)'  

  112.                         }])  

  113.                     }  

  114.                 },  

  115.                 data: data  

  116.             }  

  117.         ]  

  118.     };  

  119.     //draw pic  

  120.     myChart.setOption(option);    

  121. }  

  122. </script>  

  123. </body>  

  124. </html>  




图1



图2


图1是我分析用户情绪画出的时间推进图,理论上小于0.5表消极情绪,大于0.5表示积极情绪。图2是实际股价的走势。


via: http://blog.csdn.net/SeaIsGod/article/details/72859071


友情链接

Copyright © 2023 All Rights Reserved 版权所有 上海股票分析平台