最近随着硅谷银行破产、瑞信暴雷引发全球金融风险担忧加剧，叠加美联储加息预期放缓，国际金价逼近2000美元/盎司关口。据中国基金报报道，在经历近一个月的震荡下跌后，本周现货黄金价格持续走高，现货黄金收报1989美元/盎司，涨幅3.64%，且已突破2月初的金价高位，创下近11个月以来新高，其中有多重因素影响，不过欧美银行业危机引发市场避险情绪升温是主要推动因素。
最近也有些关于黄金相关分析的项目需要用到金交所数据，这里直接获取权威的交易数据，上海黄金交易所官网就有历年的交易数据。直接用熟悉的Python写个爬虫自动获取。
首先进行简单的网站分析，找到上海黄金交易所每日行情页列表（首页 > 数据资讯 > 历史行情数据 > 每日行情。分析发现网站还存在反爬机制，对访问的IP的有爬频率限制。所以爬虫程序里面直接python使用aiohttp 通过设置代理IP，多线程并发采集，这样能更高效的获取数据。代理IP最好是选择付费的优质代理服务商，不管是代理的连通率，延迟，速度，带宽都有保证。实现代码如下：
import asyncio
import aiohttp
from aiohttp_socks import ProxyConnector
from bs4 import BeautifulSoup
# 定义目标网站和代理服务器的参数
url = "https://www.sge.com.cn/sjzx/mrhqsj"
proxy = "socks5://16yun:16ip@www.16yun.cn:11111"
# 定义异步函数来发送GET请求，并使用代理服务器来连接目标网站
async def fetch(session, url):
try:
async with session.get(url) as response:
# 检查响应状态码是否为200，否则抛出异常
if response.status != 200:
raise Exception(f"Bad status code: {response.status}")
# 返回响应内容的文本格式
return await response.text()
except Exception as e:
# 打印异常信息，并返回None
print(e)
return None
# 定义异步函数来处理响应结果，并解析HTML内容
async def parse(html):
# 如果响应结果不为空，则进行解析操作
if html is not None:
# 使用bs4库来创建BeautifulSoup对象，并指定解析器为html.parser
soup = BeautifulSoup(html, "html.parser")
# 提取网页中的标题标签，并打印其文本内容
title = soup.find("title")
print(title.text)
else:
# 否则打印None表示无效结果
print(None)
# 定义异步函数来统计成功次数，并打印结果
async def count(results):
# 初始化成功次数为0
success = 0
# 遍历所有的结果，如果不为空，则增加成功次数，否则跳过
for result in results:
if result is not None:
success += 1
# 打印总共的请求数和成功次数
print(f"Total requests: {len(results)}")
print(f"Success requests: {success}")
# 定义异步主函数来创建并运行多个协程任务，并控制并发数量和超时时间等参数
async def main():
# 创建一个aiohttp_socks.ProxyConnector对象，用来设置代理服务器的参数
connector = ProxyConnector.from_url(proxy)
# 创建一个aiohttp.ClientSession对象，用来发送HTTP请求，并传入connector参数
async with aiohttp.ClientSession(connector=connector) as session:
# 创建一个空列表，用来存储所有的协程任务
tasks = []
# 循环10000次，每次创建一个fetch函数的协程任务，并添加到列表中
for i in range(10000):
task = asyncio.create_task(fetch(session, url))
tasks.append(task)
# 使用asyncio.gather函数来收集并执行所有的协程任务，并返回一个包含所有结果的列表
results = await asyncio.gather(*tasks)
# 创建一个空列表，用来存储所有的解析任务
parse_tasks = []
for result in results:
parse_task = asyncio.create_task(parse(result))
parse_tasks.append(parse_task)
await asyncio.gather(*parse_tasks)
await count(results)
# 在程序入口处调用异步主函数，并启动事件循环
if __name__ == "__main__":
asyncio.run(main())