用Python获取银行网站上的存贷款利率表.docx

用Python获取银行网站上的存贷款利率表.docx

《用Python获取银行网站上的存贷款利率表.docx》由会员分享，可在线阅读，更多相关《用Python获取银行网站上的存贷款利率表.docx（4页珍藏版）》请在冰豆网上搜索。

用Python获取银行网站上的存贷款利率表

用Python获取银行网站上的存贷款利率表

项目背景

最近在做一个利率市场化咨询的项目，主要是协助银行搭建定价体系，提供定价策略，在充分考虑产品差异、顾客需求差异、时间差异、地点差异等因素基础上制定不同的存贷款定价方法。

在制定定价策略之前，我们通常会分析客户所处的内外部的环境。

外部环境分析可以分成宏观环境分析、行业环境分析等部分。

在行业分析（IndustrialAnalysis）部分，我们会确定客户的存贷款利率价格在业内处于什么样的水平。

这就需要去采集各家银行的存贷款利率数据。

然而Wind上没有相关的数据源可供下载。

这就需要不怕脏不怕累的小朋友们去XX搜索各家银行的网站，然后再用肉眼寻找躲在银行主页角落的“存贷款利率”的连接，点击进入后将存贷款利率录入到Excel中。

这绝对是是对Junior耐心、眼力的一个考验这种没有什么附加值、重复性很强的工作，对于新人成长并没有什么帮助。

但是怎么才能让这种无聊的工作自动化呢？

LifeIsShort,UsePython

这时候我们就要引出简单、易学、功能强大的编程语言Python了。

我就在这里不赘述Python的优点了，只放一个一目了然的编程语言比较图：

需求分析

在这项任务中，我们需要的自动化的过程并不多，只需要遍历各大银行主页，搜索到存贷款页面连接并打印或储存下来即可。

我们当然也可以直接将数据直接也爬取下来存在Excel中，但因为各家银行网站架构设计各异，有些存贷款利率表甚至只是一张图片，页面分析的过程会比较耗时。

所以，我们暂时不将数据爬取转存这项功能放入我们的需求清单中。

爬取过程

首先，我们先找到一个银行网址导航网站。

我选取的是360导航页面（

并查看源代码：

可以看出，银行网址都被放入了a这个标签中。

我们可以使用第三方库BeautifulSoup美丽汤对该标签进行下载。

当然，不只是银行网址被放入了这个标签中，还有其他很多不相关的网站也是被放入了这个标签下。

这时候我们就需要正则表达式对于该标签下的链接进行筛选。

经过观察，大部分银行网站的标签名都以“银行”结尾，所以我们使用

.银行

作为筛选的正则。

而在银行页面上，存贷款的利率信息表的标签名，一般都会包含”款利率“这几个字，所以我们使用：

”款利率.*

作为寻找存贷款利率链接的正则。

下面是准备阶段的Python代码：

#encoding:

utf-8

importurllib2

importre

frombs4importBeautifulSoup

#建立列表储存url和对应的标签名

url=[]

name=[]

#建立集合，将爬取过的页面放入，避免才重复

urlset=set（""）

#用于筛选的正则表达式

source=".银行"

temp=source.decode（'utf8'）

source2="款利率.*"

temp2=source2.decode（'utf8'）

#导航网站作为我们爬取的根页面

response=urllib2.urlopen（"

html=response.read（）

soup=BeautifulSoup（html,'html.parser'）

#将满足条件的url和页面名称放入列表中

fortaginsoup.find_all（name='a',text=pile（temp））:

name.append（tag.string）

url.append（tag.get（'href'））

我们在获取好各大银行网站的url后，我们需要进一步进入银行的存贷款利率信息表页面。

但是经过进一步分析，我们发现，第二层的url一般都是短链接：

无法直接使用，所以我们需要将短链接与域名进行拼接：

#域名拼接

url2=link+tag2.get（'href'）

而如果第二层链接是可以直接访问的连接，这样拼接会导致访问错误，所以我们将连接转换为String，通过判断其前四个Char是否为http来判断该连接为长连接还是短链接：

ifhref[0:

4]=='http':

#长连接，不进行域名拼接

url2=tag2.get（'href'）

并在每次拼接后查询该连接是否输出过，如果已经输出过，则通过continue跳过循环。

如果没有，则输出后加入urlset集合中：

ifurl2inurlset:

continue

else:

urlset.add（url2）

Python输出部分代码：

num=-1

forlinkinurl:

num=num+1

try:

linkresponse=urllib2.urlopen（link）

htmlpage=linkresponse.read（）

pagesoup=BeautifulSoup（htmlpage,'html.parser'）

fortag2inpagesoup.find_all（name='a',text=pile（temp2））:

#得到银行名称

bname=tag2.get_text（）

#得到页面名称

href=str（tag2.get（'href'））

ifhref[0:

4]=='http':

#长连接，不进行域名拼接

url2=tag2.get（'href'）

ifurl2inurlset:

#输出过，跳出循环

continue

else:

#未输出过，放入集合

urlset.add（url2）

else:

#域名拼接

url2=link+tag2.get（'href'）

ifurl2inurlset:

continue

else:

urlset.add（url2）

printname[num]+""+bname+""+url2

except:

pass