前言：对于刚入门Python爬虫的小伙伴来说，爬取股票数据是一个非常好的实战案例——数据公开易获取、需求明确（开盘价、收盘价、涨幅等核心指标），还能结合数据可视化绘制K线图，实现“爬取-分析-可视化”全流程实战。本文全程手把手，从环境搭建、爬虫编写，到数据存储、K线图绘制，每一步都附完整代码+详细注释，新手跟着敲就能跑通，无多余复杂概念，纯实战落地！
提示：本文爬取的是公开的股票实时行情数据，严格遵守网站robots协议，仅用于学习交流，不涉及商业用途和恶意爬取。
一、前期准备（必看！环境搭建一步到位）
本次实战用到3个核心库，提前安装好，避免后续报错，新手直接复制命令执行即可。
1.1 所需库说明（新手不用记，知道用途就行）
requests：发送HTTP请求，获取股票网页数据（核心爬虫库，轻量易上手）；
pandas：处理爬取到的股票数据（整理、去重、存储，简化数据操作）；
mplfinance：绘制专业股票K线图（专门用于金融数据可视化，比matplotlib更简洁）。
1.2 库的安装（CMD/终端执行，复制粘贴即可）
# 批量安装所需库，版本兼容新手，无需额外配置pip install requests pandas mplfinance--upgrade安装报错解决：如果出现“pip不是内部命令”，大概率是Python环境变量未配置，新手可以直接在PyCharm的Terminal中执行上述命令（PyCharm会自动关联Python环境）。
二、核心步骤1：确定爬取目标与分析网页结构
新手爬取数据，第一步千万别急着写代码，先确定“爬哪里、爬什么”，再分析网页数据的加载方式——这是避免爬虫报错的关键！
2.1 爬取目标
本次选择「东方财富网」的股票实时行情页（公开数据，反爬难度低，适合新手），爬取内容：
股票代码、股票名称
实时价格、开盘价、收盘价（前一交易日）
涨跌额、涨幅（核心分析指标）
爬取地址（可直接复制到浏览器打开）：https://quote.eastmoney.com/center/gridlist.html#hs_a_board
2.2 分析网页结构（新手必学！）
打开上述网页，按「F12」打开开发者工具（Chrome/Firefox浏览器都可以），步骤如下：
点击开发者工具左上角的「箭头」（选择元素），点击网页中的股票数据表格，会自动定位到网页源码中的表格位置；
观察源码可知，股票数据全部放在「table」标签中，每一行股票对应一个「tr」标签，每一个数据字段（如开盘价、涨幅）对应一个「td」标签；
关键结论：该网页数据是「静态加载」（刷新网页就能看到源码中的数据），无需处理AJAX异步加载，新手可直接爬取，难度大大降低！
提示：如果看不到表格源码，刷新一下网页即可；如果是动态加载（源码中找不到数据），本文末尾会补充解决方法，新手先专注静态加载实战。
三、核心步骤2：编写爬虫，爬取股票实时数据（手把手敲代码）
本次爬虫分3个小模块：发送请求→解析数据→保存数据，每个模块单独编写，方便新手调试（报错时能快速定位问题），完整代码附注释，直接复制就能运行。
3.1 模块1：发送请求，获取网页源码
核心作用：模拟浏览器访问网页，获取网页的HTML源码（后续从源码中提取股票数据），重点是添加请求头，避免被网站识别为爬虫。
importrequests# 1. 定义爬取地址（东方财富网A股实时行情页）url="https://quote.eastmoney.com/center/gridlist.html#hs_a_board"# 2. 添加请求头，模拟浏览器访问（关键！避免被反爬）headers={"User-Agent":"Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/120.0.0.0 Safari/537.36","Referer":"https://quote.eastmoney.com/",# 模拟从东方财富网首页跳转过来，更真实"Accept-Language":"zh-CN,zh;q=0.9"# 模拟中文浏览器环境}# 3. 发送GET请求，获取网页源码try:response=requests.get(url=url,headers=headers,timeout=10)response.encoding="utf-8"# 设置编码，避免中文乱码# 验证请求是否成功（状态码200表示成功）ifresponse.status_code==200:print("请求成功！已获取网页源码")html=response.text# 提取网页源码，后续用于解析数据else:print(f"请求失败，状态码：{response.status_code}")exceptExceptionase:print(f"请求报错，错误信息：{e}")3.2 模块2：解析数据，提取核心字段
核心作用：从网页源码中，提取我们需要的股票数据（代码、名称、开盘价等），这里用「正则表达式」解析（新手易上手，无需额外学BeautifulSoup）。
补充：正则表达式匹配规则，已帮大家写好，新手不用深究，直接复用即可，重点看注释理解每一步的作用。
importreimportpandasaspd# 定义一个列表，用于存储所有股票数据stock_data=[]# 用正则表达式解析网页源码，提取股票核心数据# 匹配规则：根据网页源码的结构编写，精准匹配每一行股票数据pattern=re.compile(r'<tr class="[^"]*">.*?<td><a href="[^"]*" target="_blank">([0-9]{6})</a></td>.*?'# 股票代码r'<td><a href="[^"]*" target="_blank" class="[^"]*">([^<]*)</a></td>.*?'# 股票名称r'<td class="[^"]*">([0-9]+\.[0-9]+)</td>.*?'# 实时价格r'<td class="[^"]*">([0-9]+\.[0-9]+)</td>.*?'# 开盘价r'<td class="[^"]*">([0-9]+\.[0-9]+)</td>.*?'# 收盘价（前一交易日）r'<td class="[^"]*">([-+]?[0-9]+\.[0-9]+)</td>.*?'# 涨跌额r'<td class="[^"]*">([-+]?[0-9]+\.[0-9]+)%</td>',# 涨幅（带%）re.S# 忽略换行符，确保能匹配到完整的一行股票数据)# 查找所有匹配的数据matches=pattern.findall(html)# 遍历匹配结果，整理数据（将每一只股票的数据存入列表）formatchinmatches:stock_code=match[0]# 股票代码stock_name=match[1]# 股票名称current_price=float(match[2])# 实时价格（转换为浮点数，方便后续计算）open_price=float(match[3])# 开盘价close_price=float(match[4])# 收盘价（前一交易日）change_amount=float(match[5])# 涨跌额change_rate=float(match[6])# 涨幅（去掉%，转换为浮点数）# 将单只股票数据存入字典，再添加到列表中stock_dict={"股票代码":stock_code,"股票名称":stock_name,"实时价格":current_price,"开盘价":open_price,"收盘价(前一交易日)":close_price,"涨跌额":change_amount,"涨幅(%)":change_rate}stock_data.append(stock_dict)# 验证解析结果（打印前5只股票数据，查看是否解析成功）print("解析成功！前5只股票数据如下：")print(pd.DataFrame(stock_data).head())3.3 模块3：保存数据，方便后续分析
核心作用：将解析后的股票数据，保存为Excel文件（新手易查看、易复用），用pandas实现，一行代码就能搞定，无需手动创建Excel。
# 用pandas将列表中的数据转换为DataFrame（表格形式）df=pd.DataFrame(stock_data)# 保存为Excel文件，保存路径可自定义（这里保存在当前文件夹，文件名：股票实时数据.xlsx）df.to_excel("股票实时数据.xlsx",index=False)# index=False：不保存行索引，更整洁print("数据保存成功！已保存为：股票实时数据.xlsx")print(f"共爬取到{len(stock_data)}只股票的数据")3.4 完整爬虫代码（整合版，直接复制运行）
将上述3个模块整合，添加异常处理，避免报错终止程序，新手直接复制到PyCharm中，点击运行即可。
importrequestsimportreimportpandasaspddefcrawl_stock_data():# 1. 发送请求，获取网页源码url="https://quote.eastmoney.com/center/gridlist.html#hs_a_board"headers={"User-Agent":"Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/120.0.0.0 Safari/537.36","Referer":"https://quote.eastmoney.com/","Accept-Language":"zh-CN,zh;q=0.9"}try:response=requests.get(url=url,headers=headers,timeout=10)response.encoding="utf-8"ifresponse.status_code!=200:print(f"请求失败，状态码：{response.status_code}")returnNonehtml=response.textexceptExceptionase:print(f"请求报错：{e}")returnNone# 2. 解析数据，提取核心字段stock_data=[]pattern=re.compile(r'<tr class="[^"]*">.*?<td><a href="[^"]*" target="_blank">([0-9]{6})</a></td>.*?'r'<td><a href="[^"]*" target="_blank" class="[^"]*">([^<]*)</a></td>.*?'r'<td class="[^"]*">([0-9]+\.[0-9]+)</td>.*?'r'<td class="[^"]*">([0-9]+\.[0-9]+)</td>.*?'r'<td class="[^"]*">([0-9]+\.[0-9]+)</td>.*?'r'<td class="[^"]*">([-+]?[0-9]+\.[0-9]+)</td>.*?'r'<td class="[^"]*">([-+]?[0-9]+\.[0-9]+)%</td>',re.S)matches=pattern.findall(html)formatchinmatches:stock_dict={"股票代码":match[0],"股票名称":match[1],"实时价格":float(match[2]),"开盘价":float(match[3]),"收盘价(前一交易日)":float(match[4]),"涨跌额":float(match[5]),"涨幅(%)":float(match[6])}stock_data.append(stock_dict)ifnotstock_data:print("未解析到任何股票数据，请检查正则表达式匹配规则")returnNone# 3. 保存数据为Exceldf=pd.DataFrame(stock_data)df.to_excel("股票实时数据.xlsx",index=False)print(f"爬取成功！共获取{len(stock_data)}只股票数据，已保存为：股票实时数据.xlsx")returndf# 执行爬虫函数，获取股票数据DataFrame（后续用于绘制K线图）stock_df=crawl_stock_data()爬虫运行结果说明
运行成功后，控制台会打印“请求成功”“爬取成功”的提示，以及前5只股票的数据；
在当前Python文件所在的文件夹中，会生成一个「股票实时数据.xlsx」文件，打开后就能看到所有爬取的股票数据，格式整洁，可直接编辑；
常见报错解决：如果未解析到数据，大概率是网页结构更新，正则表达式匹配规则失效，可重新按F12查看网页源码，调整正则表达式（新手可留言，我会补充最新匹配规则）；如果保存Excel报错，重新安装pandas库即可。
四、核心步骤3：绘制K线图，分析股票走势（新手也能画）
爬取到数据后，重点是通过K线图分析股票走势——K线图是股票分析的核心工具，能直观展示开盘价、收盘价、涨跌情况。本次用mplfinance库，无需手动调整参数，一行代码就能绘制专业K线图。
4.1 补充：K线图绘制的前提（新手必看）
K线图需要「时间序列数据」（即某只股票连续多日的开盘价、收盘价、最高价、最低价），而我们上面爬取的是「实时行情数据」（单时间点的所有股票数据），因此需要补充一步：获取单只股票的历史数据（连续多日）。
下面补充代码：基于上面的爬虫，添加“获取单只股票历史数据”的函数，再绘制K线图（整合到完整代码中，直接运行）。
4.2 完整代码：获取单只股票历史数据+绘制K线图
importmplfinanceasmpfimportdatetimedefget_stock_history(stock_code,start_date,end_date):""" 获取单只股票的历史数据（用于绘制K线图） :param stock_code: 股票代码（如600000，浦发银行） :param start_date: 开始日期（格式：YYYY-MM-DD，如2024-01-01） :param end_date: 结束日期（格式：YYYY-MM-DD，如2024-12-31） :return: 股票历史数据DataFrame """# 东方财富网股票历史数据接口（公开接口，无需登录）url=f"https://q.stock.sohu.com/hisHq?code=cn_{stock_code}&start={start_date}&end={end_date}&stat=1&order=D&period=d&callback=historySearchHandler&rt=jsonp&r=0.8837431436340332&0.6352749954223633"headers={"User-Agent":"Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/120.0.0.0 Safari/537.36"}try:response=requests.get(url=url,headers=headers,timeout=10)response.encoding="utf-8"ifresponse.status_code!=200:print(f"获取历史数据失败，状态码：{response.status_code}")returnNone# 解析接口返回的数据（JSON格式，需要处理字符串，提取有效数据）data_str=response.text.lstrip("historySearchHandler(").rstrip(")")importjson data_json=json.loads(data_str)# 提取历史数据，整理为DataFramehistory_data=[]foritemindata_json[0]["hq"]:date=item[0]# 日期open_price=float(item[1])# 开盘价close_price=float(item[2])# 收盘价high_price=float(item[3])# 最高价low_price=float(item[4])# 最低价change_rate=float(item[8].strip("%"))# 涨幅history_dict={"日期":date,"开盘价":open_price,"收盘价":close_price,"最高价":high_price,"最低价":low_price,"涨幅(%)":change_rate}history_data.append(history_dict)# 转换为DataFrame，调整日期格式（用于mplfinance绘制K线图）df=pd.DataFrame(history_data)df["日期"]=pd.to_datetime(df["日期"])# 将日期转换为datetime格式df.set_index("日期",inplace=True)# 将日期设为索引（mplfinance要求）df=df.sort_index()# 按日期升序排列print(f"成功获取{stock_code}股票{start_date}至{end_date}的历史数据，共{len(df)}条")returndfexceptExceptionase:print(f"获取历史数据报错：{e}")returnNone# 示例：获取「浦发银行（600000）」2024年1月1日至2024年12月31日的历史数据stock_code="600000"# 可替换为其他股票代码（如000001，平安银行）start_date="2024-01-01"end_date="2024-12-31"history_df=get_stock_history(stock_code,start_date,end_date)# 绘制K线图（专业美观，新手无需调整参数）ifhistory_dfisnotNone:# 设置K线图样式（默认样式即可，也可自定义颜色）mpf_style=mpf.make_mpf_style(base_mpf_style="yahoo",rc={"font.size":10})# 绘制K线图，添加涨幅均线（MA5、MA10），更直观分析走势mpf.plot(history_df,type="candle",# 图表类型：K线图（candle=蜡烛图，即K线图）style=mpf_style,# 图表样式title=f"{stock_code}股票K线图（{start_date}-{end_date}）",# 图表标题ylabel="价格（元）",# Y轴标签ylabel_lower="涨幅（%）",# 下方Y轴标签addplot=[mpf.make_addplot(history_df["涨幅(%)"],panel=1,color="red",label="涨幅(%)")# 下方添加涨幅曲线],mav=(5,10),# 添加5日、10日均线（用于分析短期走势）volume=False,# 不显示成交量（新手可先关闭，简化图表）show_nontrading=False,# 不显示非交易日figratio=(12,8),# 图表比例（宽12，高8，美观）tight_layout=True# 紧凑布局，避免标签遮挡)K线图绘制结果说明
运行代码后，会自动弹出一个窗口，显示股票K线图，包含：
红色K线：收盘价 > 开盘价（上涨）；
绿色K线：收盘价 < 开盘价（下跌）；
黄色线：5日均线（短期走势参考）；
紫色线：10日均线（短期走势参考）；
下方红色曲线：每日涨幅（直观查看涨跌波动）。
自定义调整：新手可替换「stock_code」为其他股票代码（如000001平安银行、601318中国平安），调整「start_date」和「end_date」更换时间范围；
报错解决：如果弹出的K线图空白，大概率是日期格式错误，确保start_date和end_date的格式为“YYYY-MM-DD”；如果获取不到历史数据，更换股票代码即可。
五、新手实战拓展（可选，进阶提升）
学会基础爬取和K线图绘制后，新手可尝试以下拓展，提升实战能力：
5.1 拓展1：爬取多只股票的历史数据，批量绘制K线图
将股票代码存入列表，循环调用「get_stock_history」函数，批量获取多只股票的历史数据，批量绘制K线图（代码示例如下）：
# 批量爬取多只股票的历史数据，批量绘制K线图stock_codes=["600000","000001","601318"]# 浦发银行、平安银行、中国平安start_date="2024-01-01"end_date="2024-12-31"forcodeinstock_codes:df=get_stock_history(code,start_date,end_date)ifdfisnotNone:mpf.plot(df,type="candle",style=mpf.make_mpf_style(base_mpf_style="yahoo"),title=f"{code}股票K线图",ylabel="价格（元）",mav=(5,10),show_nontrading=False,figratio=(12,8))5.2 拓展2：添加数据筛选功能，筛选涨幅大于5%的股票
利用pandas筛选爬取到的实时数据，筛选出涨幅大于5%的股票，保存为新的Excel文件，方便重点分析：
# 筛选涨幅大于5%的股票（基于之前爬取的实时数据stock_df）ifstock_dfisnotNone:high_growth_stock=stock_df[stock_df["涨幅(%)"]>5]ifnothigh_growth_stock.empty:high_growth_stock.to_excel("涨幅大于5%的股票.xlsx",index=False)print(f"已筛选出{len(high_growth_stock)}只涨幅大于5%的股票，保存为：涨幅大于5%的股票.xlsx")else:print("暂无涨幅大于5%的股票")5.3 拓展3：设置定时爬取，实时更新股票数据
利用「time」库，设置定时爬取（如每10分钟爬取一次实时数据），自动更新Excel文件，实现实时监控：
importtime# 定时爬取，每10分钟一次（600秒）whileTrue:print(f"\n{datetime.datetime.now().strftime('%Y-%m-%d %H:%M:%S')}：开始定时爬取股票实时数据")crawl_stock_data()# 调用爬虫函数print("定时爬取完成，等待10分钟后再次爬取...")time.sleep(600)# 等待600秒（10分钟）六、常见问题汇总（新手必看，避坑指南）
- 问题1：请求成功，但解析不到股票数据？
解决：网页结构更新，正则表达式匹配规则失效，重新按F12查看网页源码，调整正则表达式的匹配内容。
- 问题2：绘制K线图时，报错“没有索引”？
解决：忘记将日期设为索引，确保调用「df.set_index(“日期”, inplace=True)」，且日期格式为datetime格式。
- 问题3：获取历史数据时，接口返回空？
解决：股票代码错误（A股代码为6位数字，如600开头、000开头），或时间范围过大，缩小时间范围即可。
问题4：中文乱码？
解决：设置response.encoding = “utf-8”，保存Excel时无需额外设置，pandas会自动处理中文编码。问题5：被网站封禁IP？
解决：添加请求头，降低爬取频率（如定时爬取，每10分钟一次），避免高频请求，新手无需使用代理IP（公开股票数据反爬宽松）。
七、总结与学习建议
本次实战，我们完成了「股票实时数据爬取→数据保存→历史数据获取→K线图绘制」的全流程，核心重点：
爬虫部分：重点是模拟浏览器请求（添加请求头）、解析静态网页数据（正则表达式复用）、数据保存（pandas简化操作），新手无需追求复杂的解析库，先掌握基础正则表达式即可；
可视化部分：mplfinance库专门用于股票可视化，无需手动调整参数，重点是获取符合要求的历史数据（时间序列、包含开盘价/收盘价/最高价/最低价）；
学习建议：新手先跟着代码敲一遍，确保能运行成功，再逐步修改参数（如更换股票代码、时间范围），尝试拓展功能（批量爬取、数据筛选），遇到报错不要慌，对照“常见问题汇总”排查，多调试几次就能掌握。
后续可尝试爬取基金数据、期货数据，或结合机器学习实现股票走势预测，逐步提升Python实战能力。
