我有很多公司,正在调用REST API以获取每个公司的每日股票价格。详细信息存储在PostgreSQL数据库中。核心功能如下:
async def get_data_asynchronous():
conn = await asyncpg.connect(**DBConn)
path = 'path'
source = pd.read_excel(io=path + 'companies.xlsx', sheet_name='data')
retries = Retry(total=2, backoff_factor=1, status_forcelist=[404, 502, 503, 504])
dates = pd.date_range('2015-01-01', '2019-12-01', freq='D').strftime("%d-%m-%Y").tolist()
with ThreadPoolExecutor(max_workers=10) as executor:
with requests.Session() as session:
session.mount('https://', HTTPAdapter(max_retries=retries))
loop = asyncio.get_event_loop()
for index, inputrow in source.iterrows():
try:
if int(inputrow['rowid']) > 0:
compid = inputrow['compid'].lower().strip()
tasks = [
loop.run_in_executor(
executor,
fetch,
*(session, compid, datetime.datetime.strptime(str(dates[i-1]), '%d-%m-%Y'), datetime.datetime.strptime(str(dates[i]), '%d-%m-%Y'))
)
for i in range(len(dates))
]
for content in await asyncio.gather(*tasks):
if content is not None:
for data in content:
compid = data.get('compid', '')
date = data.get('date', '')
stock_price = data.get('sprice', '')
try:
await conn.execute('''
INSERT INTO comp_dailyhistory VALUES($1, $2, $3)
''', compid, date, stock_price)
except Exception as e:
print('ERROR')
pass
pass
except Exception as e:
print(str(e))
pass
在上面的功能中,我首先从excel工作表(源)获取公司列表,并创建日期列表。由于列表中有超过20万家公司,因此我创建了一个ThreadPoolExecutor,最多可容纳10个工人。目的是传递日期范围内的每个公司ID(复杂)和两个连续的日期以异步方式转换为“提取”功能,以加快整个数据收集过程。提取功能如下所示:
def fetch(session, compid, start, stop):
base_url = 'baseurl'
try:
with session.get(base_url + 'compid=' + compid + '&begin=' + str(int(start.timestamp())) + '&end=' + str(int(stop.timestamp())), timeout=None) as data:
content = []
if data.status_code == 200:
for item in data.json():
ret = {'compid': compid, 'date': str(date), 'sprice': sprice}
content.append(ret)
return content
else:
return None
except Exception as e:
return None
提取函数使用request.get来获取公司在开始和停止日期之间的股价列表,将JSON响应解析为键值对列表,然后将其返回给调用函数。然后由调用函数中的asyncio.gather函数拾取返回的列表,其中每个股价都使用asyncpg存储在postgreSQL中。其余代码如下:
def main():
loop = asyncio.get_event_loop()
future = asyncio.ensure_future(get_data_asynchronous())
loop.run_until_complete(future)
main()
此设置的主要问题是该脚本似乎并没有针对给定公司收取全部价格。例如,对于compid = 1,应该精确地有600个每日价格。但是,每次运行脚本时,我都会得到不同的结果,该结果始终低于真实计数。例如,我在第一轮中获得550的每日价格,在第二轮中获得570的日价格,在第三轮中获得540的日价格,依此类推。...
为什么我的脚本无法提取600个每日价格的完整清单?我的某些请求是否以某种方式被放弃?我尝试了aiohttp请求的替代方法,但是并没有取得太大进展。
我没有多线程编程的经验,尤其是asyncio的经验,真的希望在这方面有任何帮助吗?在此先感谢您的时间。
我已经完成了多个涉及抓取网站的项目,每天都可以获取数千个股票价格。正如dano所建议的,该问题与您的错误处理有关:
except Exception as e:
return None
这不会处理失败的请求。您可以将失败的URL附加到列表中,然后在脚本的末尾再次使用这些URL运行“获取”功能。如果您的信息很重要,您甚至可以定义一个函数,该函数尝试至少5-10次以下载股票信息,然后返回“无”。
更多与多线程问题有关,您也必须是
希望有帮助。