用python获取新浪历史分时数据

admin

用python获取新浪历史分时数据新浪的历史分时数据，经过了压缩和base64处理，解码代码位于sf_sdk.js中，这一行：

this.xh5_S_KLC_D = function(t) {

这个函数用于解码一天的分时数据，最简单的办法，就是把这个函数抠出来，保存到本地，然后通过requests拿到解码前数据，调用这个函数解码即可。

细节就不说了，需要安装PyExecJs库（pip install PyExecJs）

直接上测试代码(代码中引用的sf_sdk.js文件，见后面)：

1. import execjs
   
2. 
   
3. 
   
4. def get_last_5days_data(code: str):
   
5.     '''获取指定股票最近5天的分时线数据(含当天)'''
   
6.     url = 'https://finance.sina.com.cn/realstock/company/%s/hisdata/klc_cm.js' % (
   
7.         code)  # 指定日期对应的最近5天的分时数据 KLC_ML_szxxxxxx=
   
8.     prefix = 'KLC_ML_%s=' % code
   
9.     res = requests.get(url)
   
10.     if res.status_code == 200:
    
11.         reg = re.compile(r'%s"(.+?)"' % prefix)
    
12.         data = reg.findall(res.text)
    
13. 
    
14.     with open('D:\data\sf_sdk.js', 'r') as f:
    
15.         js_file = f.read()
    
16.     ctx = execjs.compile(js_file)
    
17.     days_data = data[0].split(',')
    
18.     for i in range(len(days_data)):
    
19.         arr = ctx.call('decode', days_data[i])
    
20.         print(arr[0])
    
21. 
    
22. 
    
23. def get_month_data(code: str, date: str):
    
24.     '''获取日期所在月份的所有分时数据(如果是当前月，不含当天的)'''
    
25.     year = date[0:4]
    
26.     month = date[5:7]
    
27.     url = 'http://finance.sina.com.cn/realstock/company/%s/hisdata/%s/%s.js?d=%s' % (
    
28.     code, year, month, date)  # 指定日期所在月份的所有分时数据  MLC_szxxxxxx_2021_04=
    
29.     prefix = 'MLC_%s_%s_%s=' % (code, year, month)
    
30.     res = requests.get(url)
    
31.     if res.status_code == 200:
    
32.         reg = re.compile(r'%s"(.+?)"' % prefix)
    
33.         data = reg.findall(res.text)
    
34. 
    
35.     with open('D:\data\sf_sdk.js', 'r') as f:
    
36.         js_file = f.read()
    
37.     ctx = execjs.compile(js_file)
    
38.     days_data = data[0].split(',')
    
39.     for i in range(len(days_data)):
    
40.         arr = ctx.call('decode', days_data[i])
    
41.         print(arr[0])
    
42. 
    
43. 
    
44. 
    
45. if __name__ == '__main__':
    
46.     get_month_data('sz000001', '2022-11-07')
    
47.     get_last_5days_data('sz000001')

複製代碼

{'volume': 878600, 'price': 10.38, 'avg_price': 10.38, 'date': '2022-11-01T00:00:00Z', 'prevclose': 10.34}
{'volume': 918223, 'price': 10.61, 'avg_price': 10.61, 'date': '2022-11-02T00:00:00Z', 'prevclose': 10.67}
{'volume': 692100, 'price': 10.54, 'avg_price': 10.54, 'date': '2022-11-03T00:00:00Z', 'prevclose': 10.63}
{'volume': 630600, 'price': 10.4, 'avg_price': 10.4, 'date': '2022-11-04T00:00:00Z', 'prevclose': 10.44}
{'volume': 1915000, 'price': 10.81, 'avg_price': 10.81, 'date': '2022-11-07T00:00:00Z', 'prevclose': 10.82}
{'volume': 455000, 'price': 10.89, 'avg_price': 10.89, 'date': '2022-11-08T00:00:00Z', 'prevclose': 10.88}
{'volume': 297200, 'price': 10.84, 'avg_price': 10.84, 'date': '2022-11-09T00:00:00Z', 'prevclose': 10.85}
{'volume': 860100, 'price': 10.79, 'avg_price': 10.79, 'date': '2022-11-10T00:00:00Z', 'prevclose': 10.89}
{'volume': 2260200, 'price': 11.13, 'avg_price': 11.13, 'date': '2022-11-11T00:00:00Z', 'prevclose': 10.87}
{'volume': 7054841, 'price': 11.7, 'avg_price': 11.7, 'date': '2022-11-14T00:00:00Z', 'prevclose': 11.43}
{'volume': 1660300, 'price': 11.86, 'avg_price': 11.86, 'date': '2022-11-15T00:00:00Z', 'prevclose': 11.95}
{'volume': 766500, 'price': 11.97, 'avg_price': 11.97, 'date': '2022-11-16T00:00:00Z', 'prevclose': 12.01}
{'volume': 448300, 'price': 11.81, 'avg_price': 11.81, 'date': '2022-11-17T00:00:00Z', 'prevclose': 11.82}
{'volume': 664900, 'price': 11.74, 'avg_price': 11.74, 'date': '2022-11-18T00:00:00Z', 'prevclose': 11.69}
{'volume': 964800, 'price': 11.48, 'avg_price': 11.48, 'date': '2022-11-21T00:00:00Z', 'prevclose': 11.59}
{'volume': 658300, 'price': 11.46, 'avg_price': 11.46, 'date': '2022-11-22T00:00:00Z', 'prevclose': 11.46}
{'volume': 429900, 'price': 11.78, 'avg_price': 11.78, 'date': '2022-11-23T00:00:00Z', 'prevclose': 11.82}
{'volume': 929400, 'price': 11.92, 'avg_price': 11.92, 'date': '2022-11-24T00:00:00Z', 'prevclose': 11.82}
{'volume': 858500, 'price': 11.79, 'avg_price': 11.79, 'date': '2022-11-25T00:00:00Z', 'prevclose': 11.77}
{'volume': 2789642, 'price': 11.9, 'avg_price': 11.9, 'date': '2022-11-28T00:00:00Z', 'prevclose': 12.17}
{'volume': 3286300, 'price': 12.16, 'avg_price': 12.16, 'date': '2022-11-29T00:00:00Z', 'prevclose': 11.81}
{'volume': 3005500, 'price': 12.9, 'avg_price': 12.9, 'date': '2022-11-30T00:00:00Z', 'prevclose': 12.99}
{'volume': 2148900, 'price': 12.69, 'avg_price': 12.697, 'date': '2023-04-11T00:00:00Z', 'prevclose': 12.68}
{'volume': 1246700, 'price': 12.57, 'avg_price': 12.572, 'date': '2023-04-12T00:00:00Z', 'prevclose': 12.54}
{'volume': 3107600, 'price': 12.38, 'avg_price': 12.403, 'date': '2023-04-13T00:00:00Z', 'prevclose': 12.48}
{'volume': 2764531, 'price': 12.62, 'avg_price': 12.609, 'date': '2023-04-14T00:00:00Z', 'prevclose': 12.56}
{'volume': 3406596, 'price': 12.62, 'avg_price': 12.643, 'date': '2023-04-17T00:00:00Z', 'prevclose': 12.69}