今天把数据抽取的代码整理了下，做了个控制台程序，这个程序主要抓取了新浪网的行业数据、股票信息，股价日、周、月线的数据，并把数据存储到数据库。文章末尾提供代码下载网址，代码可运行，设置好数据库连接字符串后，即可抽取数据了。
数据抽取主要是找到合适的数据源，分析和提取数据。
一、数据源
免费的接口主要是各大门户网站和财经类网站，比如新浪网易的财经频道，或者东方财富和和讯网站等。
专门做接口的聚合数据股票接口等。
另外如果想了解各种指数的成分股，比如上证50，深户300等指数的成分股，可以参考 上海证券交易所 深圳证券交易所，这两个网站提供两市的所有股票数据，提供了Excel下载，下载以后导入到数据即可。
二、分析和提取数据
通过浏览器的F12或者Fiddler查看网络请求数据，数据最好返回的是json格式，json格式的数据非常容易提取，利用Newtonsoft.Json把json对象转换成dynamic对象，访问json数据真是方便极了，没有用dynamic对象之前，一直是建立和json对象一致的类，然后在反序列化，现在不需要了，代码示例如下：
public IList<DataAccess.Stock> GetStocks(DataAccess.StockCategory category)
{
var url = "http://vip.stock.finance.sina.com.cn/quotes_service/api/json_v2.php/Market_Center.getHQNodeData?page=1&num=900&sort=symbol&asc=1&node={0}&symbol=&_s_r_a=init";
url = string.Format(url, category.code.Trim('"'));
string content = getRequestContent(url);
dynamic stocks = Newtonsoft.Json.JsonConvert.DeserializeObject(content);
IList<DataAccess.Stock> list = new List<DataAccess.Stock>();
foreach (var stock in stocks)
{
list.Add(new DataAccess.Stock
{
code = stock.code,
symbol = stock.symbol,
name = stock.name
});
}
return list;
}
如果返回数据不是json格式，那就需要用正则表示来提取了，这方面就要看情况了，我的代码里部分用到了正则表达式。
另外，为了防止网站接口变化，你需要建立一个接口类，为应用多做几个接口的实现，应对后续网站接口的变化。
