為了便于股票資料查詢,可查閱上海和深圳證交所股票代碼表,網址如下:
上海:http://www.wstock.net/wstock/market/shcode1.htm
深圳:http://www.wstock.net/wstock/market/szcode1.htm
這兩個網頁提供了上海和深圳證券交易所股票代碼和名稱,如圖:
兩個網頁共有220多張表格,每個表格有160個證券代碼和名稱資訊。抓取220×160=35200條證券代碼和名稱資訊,這項任務完全貼近實戰,需要較高的EXCEL VBA程式設計水準。
1、網頁結構分析
I、表格結構
用浏覽器打開網頁後,每張表格中有40×4=160個證券代碼和名稱。
II、網頁分頁
上海證券交易所證券代碼和名稱資訊表共有154張表,網址“http://www.wstock.net/wstock/market/shcode1.htm”中“shcode1.htm”代表第1張表、“shcode2.htm”代表第2張表、...、“shcode154.htm”代表第154張表。
深圳證券交易所證券代碼和名稱資訊表共有75張表,網址“http://www.wstock.net/wstock/market/szcode1.htm”中“szcode1.htm”代表第1張表、“szcode2.htm”代表第2張表、...、“szcode75.htm”代表第75張表。
III、股票代碼篩選
上述兩個網址提供的證券代碼和名稱有股票、有證券和債券,有上市的股票和未上市的股票、有A股和B股。我們的目的是隻抓取滬深兩市場的上市交易股票。
上證股票A股代碼為“6”字頭。深圳證券交易所“000”開頭為主機闆、“3”字頭為創業闆、“002”開頭為中小闆。代碼具備這些開頭特征的股票代碼是我們抓取的目标。
IV、分頁範圍
通過翻頁觀察,上海證券交易所“6”字頭股票代碼和名稱資訊表在2-17頁;深圳證券交易所“000”開頭、“3”字頭、“002”開頭股票代碼和名稱資訊表在1-14頁。兩市我們要抓取的資料都在1-20頁内。
2、表格資訊抓取窗體
I、建立窗體如下圖
窗體控件解釋:
- CommandButton1:【打開網頁】指令按鈕;
- CommandButton2:【網頁資料抓取】指令按鈕;
- TextBox1:網址文本框(單行)
- WebBrowser1:網頁控件
II、打開Web頁面
- 打開窗體時運用CommandButton1【打開網頁】指令按鈕打開TextBox1網址文本框中指定的網頁
Private Sub CommandButton1_Click()
WebBrowser1.Navigate TextBox1.Text
End Sub
由于浏覽器相容問題和網頁制作者的疏忽,打開網頁時往往會彈出上面警告視窗,屏蔽腳本錯誤的方法如下:
Private Sub CommandButton1_Click()
'打開網頁時屏蔽腳本錯誤
WebBrowser1.Silent = True
WebBrowser1.Navigate TextBox1.Text
End Sub
3、解析HTML文檔
I、通過table标簽集合抓取表格資料
網頁中要抓取的标簽沒設定id屬性,可通過DOM文檔模型的Document.getElementsByTagName獲得table标簽集合。将CommandButton2【網頁資料抓取】指令按鈕做為人機對話代碼調試按,查找表格集合序号代碼如下:
Private Sub CommandButton2_Click()
Dim tables As Object
Dim i, k As Integer
Dim tbRows As Integer
' 擷取網文檔中所有的table集合
Set tables = WebBrowser1.Document.getElementsByTagName("table")
' 擷取網頁文檔中table标簽數量
k = tables.Length
For i = 0 To k - 1
Set doc = tables(i)
tbRows = doc.Rows.Length
If tbRows > 40 Then
MsgBox i
Exit For
End If
Next i
End Sub
運作窗體,用CommandButton1【打開網頁】指令按鈕打開TextBox1文本框網址,顯示窗體如下,
點選CommandButton2【網頁資料抓取】指令按鈕,
說明要查找表格集合序号為20。表格集合序号從0開始,說明第21個表格是我們要抓取的表格。
II、表格資料抓取
更換CommandButton2【網頁資料抓取】指令按鈕代碼:
Dim tables As Object
' 擷取文檔中所有的table集合
Set tables = WebBrowser1.Document.getElementsByTagName("table")
' 擷取文檔中第21個table對象
Set doc = tables(20)
Dim tbRows As Integer
Dim tbCols As Integer
Dim i, j As Integer
tbRows = doc.Rows.Length
tbCols = doc.Rows(0).Cells.Length
Sheet1.Cells.Clear
'不需要表格最後一行
For i = 0 To tbRows - 2
For j = 0 To tbCols - 1
Sheet1.Cells(i + 1, j + 1) = doc.Rows(i).Cells(j).innerText
Next j
Next i
End Sub
運作代碼,上交所股票代碼和名稱網址(http://www.wstock.net/wstock/market/shcode2.htm)第2頁(shcode2.htm)第21個表格部分資料(全部資料到41行)被寫入EXCEL文檔sheet1表中。如圖,
如前所述,上海證券交易所“6”字頭股票代碼和名稱資訊表在2-17頁,深圳證券交易所“000”開頭、“3”字頭、“002”開頭股票代碼和名稱資訊表在1-13頁。
替換TextBox1文本框網址:
'替換shcodeN.htm的分頁序号N,N=2,3, ..., 16
上海:http://www.wstock.net/wstock/market/shcode2~16.htm
'替換szcodeN.htm的分頁序号N,N=1,2, ..., 13
深圳:http://www.wstock.net/wstock/market/szcode1~13.htm
每次替換網址分頁序号後,執行【打開網頁】、【網頁資料抓取】,
反複進行如下操作:
- 替換網址分頁序号
- 執行【打開網頁】
- 執行【網頁資料抓取】
- 複制、粘貼sheet1表中資料到其它表格
至此,如果資訊更新不太頻繁、網頁分頁不多情況下,資料抓取任務就算基本完成了,剩下的工作可以在EXCEL前端完成。
4、資料處理
通常,在網上抓取的資訊在格式、内容上不符合我們的要求,需要按要求進行進一步處理。另外,如果抓取資訊分頁過多、更新頻繁,則需要進一步提高資料抓取效率。
I、改進資料抓取流程
在原來視窗添加一個指令按鈕和文本框,窗體如下:
- CommandButton3:【上證分頁資料抓取】指令按鈕;
- CommandButton4:【深證分頁資料抓取】指令按鈕
- TextBox3:分頁序号文本框(單行)
添加UserForm_Initialize窗體初始化事件代碼,
Private Sub UserForm_Initialize()
Sheet1.Cells.Clear
Sheet2.Cells.Clear
Sheet3.Cells.Clear
End Sub
每次運作窗體,Sheet1、Sheet3、Sheet3表格資料被清空。結果顯示如下:
抓取上證資料時,CommandButton3【上證分頁資料抓取】指令按鈕代碼如下:
Private Sub CommandButton3_Click()
'上證資料對應shcode
TextBox1.Text = "http://www.wstock.net/wstock/market/shcode" & TextBox2.Text & ".htm"
Call CommandButton1_Click
TextBox2.Text = TextBox2.Value + 1
End Sub
連續點選CommandButton3【上證分頁資料抓取】指令按鈕,每次點選【序号】自動增加1,進而實作分頁資料抓取。
同理,抓取深證資料時,CommandButton4【深證分頁資料抓取】指令按鈕代碼如下:
Private Sub CommandButton4_Click()
'深證資料對應szcode
TextBox1.Text = "http://www.wstock.net/wstock/market/szcode" & TextBox2.Text & ".htm"
Call CommandButton1_Click
TextBox2.Text = TextBox2.Value + 1
End Sub
連續點選CommandButton4【深證分頁資料抓取】指令按鈕,每次點選【序号】自動增加1,進而實作分頁資料抓取。
每次打開不同分頁時,網頁加載成功後執行WebBrowser1的DocumentComplete事件,代碼如下:
Private Sub WebBrowser1_DocumentComplete(ByVal pDisp As Object, URL As Variant)
Call CommandButton2_Click
End Sub
即,連續點選【上證分頁資料抓取】指令按鈕或【深證分頁資料抓取】指令按鈕,每次網頁加載成功後調用CommandButton2_Click【網頁資料抓取】指令按鈕。
II、資料篩選
第一步:改進CommandButton2_Click【網頁資料抓取】指令按鈕代碼
Private Sub CommandButton2_Click()
Dim tables As Object
Dim tbRows As Integer
Dim tbCols As Integer
Dim i, j As Integer
Dim city As String
' 擷取文檔中所有的table集合
Set tables = WebBrowser1.Document.getElementsByTagName("table")
' 擷取文檔中第21個table對象
Set doc = tables(20)
tbRows = doc.Rows.Length
tbCols = doc.Rows(0).Cells.Length
Sheet1.Cells.Clear
'擷取交易所辨別符sh或sz
city = Mid(TextBox1.Text, 37, 2)
'不需要表格最後一行
For i = 0 To tbRows - 2
For j = 0 To tbCols - 1
If i = 0 Or j / 2 <> Int(j / 2) Then
Sheet1.Cells(i + 1, j + 1) = doc.Rows(i).Cells(j).innerText
Else
'保證股票代碼為6位數,并在代碼擷取交易所辨別符sh或sz
Sheet1.Cells(i + 1, j + 1) = city & Format(Val(doc.Rows(i).Cells(j).innerText), "000000")
End If
Next j
Next i
'調用子產品子過程setData
Call setData
End Sub
【網頁資料抓取】指令按鈕代碼經過改進後,在窗體上連續點選【上證分頁資料抓取】指令按鈕或【深證分頁資料抓取】指令按鈕。每次點選網頁表格資料被抓取到sheet1,然後調用子產品子過程setData()将資料按2列寫入sheet2。setData()代碼如下:
Sub setData()
Dim rowCount1, rowCount2 As Long
Dim i, j, k As Long
'擷取Sheet1的資料行數
rowCount1 = Sheets("Sheet1").UsedRange.Rows.Count
rowCount2 = Sheets("Sheet2").UsedRange.Rows.Count
For i = 2 To rowCount1
For j = 1 To 8 Step 2
If rowCount2 < 2 Then
Sheets("Sheet2").Cells(1, 1) = "股票代碼"
Sheets("Sheet2").Cells(1, 2) = "股票名稱"
k = Sheets("Sheet2").UsedRange.Rows.Count
Sheets("Sheet2").Cells(k + 1, 1) = Sheets("Sheet1").Cells(i, j)
Sheets("Sheet2").Cells(k + 1, 2) = Sheets("Sheet1").Cells(i, j + 1)
Else
k = Sheets("Sheet2").UsedRange.Rows.Count
Sheets("Sheet2").Cells(k + 1, 1) = Sheets("Sheet1").Cells(i, j)
Sheets("Sheet2").Cells(k + 1, 2) = Sheets("Sheet1").Cells(i, j + 1)
End If
Next j
Next i
End Sub
注意,子產品子過程setData代碼放在【子產品1】中,如圖,
在窗體上連續點選【上證分頁資料抓取】指令按鈕,如圖,
每次點選,随着序号的變化、頁面不斷更新,頁面表格資訊被更新寫入sheet1中,如圖:
然後調用子產品子過程setData()将資料按2列寫入sheet2,如圖:
注意,在上述過程中,sheet1不斷更新、sheet2将sheet1中多列變2列累計寫入。對于上證資料來說,按節奏連續點選150次【上證分頁資料抓取】指令按鈕,150個分頁表格的資料被寫入sheet1。由于上證和深證的股票代碼大緻都在1-20頁間,分别連續點選20次即可。
最後,再給窗體添加CommandButton5_Click【資料篩選】指令按鈕,如圖:
CommandButton5_Click【資料篩選】指令按鈕,代碼如下:
Private Sub CommandButton5_Click()
Dim rowCount As Long
Dim i, k As Long
Dim city As String
Dim a, b, c, d As String
'擷取Sheet2的資料行數
rowCount = Sheets("Sheet2").UsedRange.Rows.Count
'擷取交易所辨別符sh或sz
city = Mid(TextBox1.Text, 37, 2)
Sheet3.Cells(1, 1) = Sheet2.Cells(1, 1)
Sheet3.Cells(1, 2) = Sheet2.Cells(1, 2)
For i = 2 To rowCount
k = Sheets("Sheet3").UsedRange.Rows.Count
a = Sheet2.Cells(i, 1)
b = Sheet2.Cells(i, 2)
If city = "sh" Then
If Left(a, 3) = "sh6" And Left(b, 2) <> "退市" Then
Sheet3.Cells(k + 1, 1) = a
Sheet3.Cells(k + 1, 2) = b
End If
Else
If Left(a, 3) = "sz3" Or Left(a, 5) = "sz002" Or Left(a, 5) = "sz000" Then
Sheet3.Cells(k + 1, 1) = a
Sheet3.Cells(k + 1, 2) = b
End If
End If
Next i
End Sub
通過在窗體上連續點選【上證分頁資料抓取】指令按鈕20次後,點選CommandButton5_Click【資料篩選】指令按鈕,經過篩選的資料被寫入sheet3。如圖:
我們還可以繼續改進代碼,實作一鍵完成資料抓取全過程。Web API接口技術可以更高效地資料抓取網頁資料,對資料量大、自動化程度要求高的項目,應該選用Web API接口技術。
通過WebBrowser控件抓取網頁資料不用過分最求過程自動化,面對靈活多變的網頁文檔,做到相容性強、代碼易修改即可。
參考文章:
- Web Browser控件與網頁互動 - EXCEL VBA(21)
- WebBrowser控件網頁資料抓取(I) - EXCEL VBA(22)