跳轉到

基於BeautifulSoup對PTT Stock文章列表爬蟲

HW要求

目標網站:https://www.ptt.cc/bbs/Stock/index.html

想了解 PTT Stock 板目前有哪些熱門投資話題,以及鄉民正在關注哪些股票與市場消息。請擷取最新文章列表,整理文章熱度、作者與發布資訊,並對文章標題進行簡單分類。

請擷取下列欄位:

  • 推文數
  • 文章標題
  • 作者
  • 日期
  • 文章網址

資料處理要求:

  • 被刪除的文章可能沒有作者或文章網址,仍須保留該筆資料,並將缺少的欄位標示為「資料缺漏」。
  • 推文數可能顯示為 爆,請轉換成統一的數值格式,例如將 爆 轉換為 100。
  • 推文數可能顯示負數,例如 X1、X2,請分別轉換為 -10、-20。
  • 沒有推文的文章可能不會顯示推文數,請將推文數記錄為 0。
  • 使用 urljoin() 將文章的相對網址轉換為完整網址。
  • 將擷取結果整理成 Pandas DataFrame。
  • 將資料儲存為 PTTStock文章.csv,編碼使用 utf-8-sig,避免透過 Excel 開啟時出現中文亂碼。