Python实战，爬取金融期货数据
大家好，我是毕加锁。
今天给大家带来的是 Python实战，爬取金融期货数据
文末送书！ 文末送书！ 文末送书！
任务简介
首先，客户原需求是获取https://hq.smm.cn/copper网站上的价格数据(注：获取的是网站上的公开数据)，如下图所示：
如果以该网站为目标，则需要解决的问题是“登录”用户，再将价格解析为表格进行输出即可。但是，实际上客户核心目标是获取“沪铜CU2206”的历史价格，虽然该网站也有提供数据，但是需要“会员”才可以访问，而会员需要氪金......
数据的价值！！！
鉴于，客户需求仅仅是“沪铜CU2206”一项期货的历史价格，氪金会员性价比不高，因此，实际的任务目标变为如何获取的历史价格，目标变为全网有公开提供数据的网址。而最终解决该问题，是求助于万能的百度^_^。找到了合适的网站，且获取数据的难度也几乎降到了最低难度。
解决步骤
-
百度搜索资源：这个步骤是整个任务完整的最难点（实际不难），但这里卖个关子，全文不公布最终找到的网站，大家试试看能否搜索到，以及花费多少时间^_^。
-
解析网站的请求,最终找到的网站经解析后，发现获取数据是通过get的方式提交参数。而请求的参数如下：
/price?starttime=1638545822&endtime=1654357022&classid=48,一看就知是开始时间、结束时间的时间戳，以及商品id。再解析headers，居然连cookie都不需要，说明没有反爬！没有反爬！没有反爬！不得不说运气爆棚！ -
解析响应数据：由于响应数据是规整的json格式数据，使用pandas的read_json直接能够获取dataframe格式的数据，该步骤也并无难度。
代码实现
鉴于网站没有反爬，且参数简单，实际上的任务主要是规划一下如何设计增量更新数据信息的流程，具体代码如下：
总结
从技术角度来看，经过一步步解析，任务是简单的，入门requests爬虫以及入门pandas数据分析就可以完成(唯一的难度在找到合适的目标)。但是换个角度，从经济价值来看，又是很有价值的，即节约了某网站高昂的年费(注：并不是说年费不值得，只是局限在需求仅仅是CU2206一项数据上时，性价比太低)，同时又避免了人工操作的繁琐，以及可能产生的错误。用很小的学习成本就能解决大大的问题，所以，还等什么呢？开启Python之路吧！
送书福利
图书简介◆
《Python金融量化分析》是有关Python在金融量化分析领域应用的一本从入门到精通类图书。全书分4篇共10章。第1篇（第1~3章）简单介绍了Python的基础知识，包括数据类型、循环体、函数、类与面向对象，以及常用的标准库与扩展库；第2篇（第4~6章）介绍了Python在金融量化交易中的应用，包括资产类别、衍生品等金融基础知识，数学与统计学基础知识，以及量化投资策略开发的一般化流程；第3篇（第7、8章）介绍了Python在量化风险管理中的应用，包括风险类别的介绍、市场因子的模拟，以及投资组合优化；第4篇（第9、10章）用5个实战案例具体演示了Python在金融量化分析中的应用。