Query Table

-

基于playwright实现的财经网页表格爬虫，支持Model Context Protocol (MCP)。目前可查询来源为

实盘时，如果某网站宕机或改版，可以立即切换到其他网站。(注意：不同网站的表格结构不同，需要提前做适配)

RooCode提供了Human Reply功能。但发现纳米搜索网页版复制时格式破坏，所以研发了此功能

pip install -i https://pypi.org/simple --upgrade mcp_query_table pip install -i https://pypi.tuna.tsinghua.edu.cn/simple --upgrade mcp_query_table

import asyncio from mcp_query_table import * async def main() -> None: async with BrowserManager(endpoint="http://127.0.0.1:9222", executable_path=None, devtools=True) as bm: # 问财需要保证浏览器宽度>768，防止界面变成适应手机 page = await bm.get_page() df = await query(page, '收益最好的200只ETF', query_type=QueryType.ETF, max_page=1, site=Site.THS) print(df.to_markdown()) df = await query(page, '年初至今收益率前50', query_type=QueryType.Fund, max_page=1, site=Site.TDX) print(df.to_csv()) df = await query(page, '流通市值前10的行业板块', query_type=QueryType.Index, max_page=1, site=Site.TDX) print(df.to_csv()) # TODO 东财翻页要提前登录 df = await query(page, '今日涨幅前5的概念板块;', query_type=QueryType.Board, max_page=3, site=Site.EastMoney) print(df) output = await chat(page, "1+2等于多少？", provider=Provider.YuanBao) print(output) output = await chat(page, "3+4等于多少？", provider=Provider.YuanBao, create=True) print(output) print('done') bm.release_page(page) await page.wait_for_timeout(2000) if __name__ == '__main__': asyncio.run(main())

- 浏览器最好是Chrome。如一定要使用Edge,除了关闭Edge所有窗口外，还要在任务管理器关闭Microsoft Edge的所有进程，即taskkill /f /im msedge.exe
- 浏览器要保证窗口宽度，防止部分网站自动适配成手机版，导致表格查询失败
- 如有网站账号，请提前登录。此工具无自动登录功能
- 不同网站的表格结构不同，同条件返回股票数量也不同。需要查询后做适配

不同于requests，playwright是基于浏览器的，模拟用户在浏览器中的操作。
- 不需要解决登录问题
- 不需要解决请求构造、响应解析
- 可以直接获取表格数据，所见即所得
- 运行速度慢于requests，但开发效率高
- 类似于requests，需要做响应解析
- 灵活性差点，网站改版后，需要重新做适配

无头模式运行速度更快，但部分网站需要提前登录，所以，无头模式一定要指定user_data_dir，否则会出现需要登录的情况。

- endpoint=None时，headless=True可无头启动新浏览器实例。指定executable_path和user_data_dir，才能确保无头模式下正常运行。
- endpoint以http://开头，连接CDP模式启动的有头浏览器，参数必有--remote-debugging-port。executable_path为本地浏览器路径。
- endpoint以ws://开头，连接远程Playwright Server。也是无头模式，但无法指定user_data_dir，所以使用受限

- 参考：https://playwright.dev/python/docs/docker#running-the-playwright-server

{ "mcpServers": { "mcp_query_table": { "timeout": 300, "command": "D:\\Users\\Kan\\miniconda3\\envs\\py312\\python.exe", "args": [ "-m", "mcp_query_table", "--format", "markdown", "--endpoint", "http://127.0.0.1:9222", "--executable_path", "C:\\Program Files\\Google\\Chrome\\Application\\chrome.exe" ] } } }

python -m mcp_query_table --format markdown --transport sse --port 8000 --endpoint http://127.0.0.1:9222 --user_data_dir "D:\user-data-dir"

{ "mcpServers": { "mcp_query_table": { "timeout": 300, "url": "http://127.0.0.1:8000/sse" } } }

python -m mcp_query_table --format markdown --transport streamable-http --port 8000 --endpoint http://127.0.0.1:9222 --user_data_dir "D:\user-data-dir"

npx @modelcontextprotocol/inspector python -m mcp_query_table --format markdown --endpoint http://127.0.0.1:9222

打开浏览器并翻页是一个比较耗时的操作，会导致MCP Inspector页面超时，可以http://localhost:5173/?timeout=300000表示超时时间为300秒
-

2024年涨幅最大的100只股票按2024年12月31日总市值排名。三个网站的结果都不一样

- 同花顺：显示了2201只股票。前5个是工商银行、农业银行、中国移动、中国石油、建设银行
- 通达信：显示了100只股票，前5个是寒武纪、正丹股份，汇金科技、万丰奥威、艾融软件
- 东方财富：显示了100只股票，前5个是海光信息、寒武纪、光启技术、润泽科技、新易盛

大语言模型对问题拆分能力弱，所以要能合理的提问，保证查询条件不会被改动。以下推荐第2、3种

- 2024年涨幅最大的100只股票按2024年12月31日总市值排名

大语言模型非常有可能拆分这句，导致一步查询被分成了多步查询

分成两步查询，先查询板块，再查询股票。但最好不要全自动，因为第一步的结果它不理解“今日涨幅”和“区间涨幅”,需要交互修正

实现在同一页面中查询金融数据，并手工输入到AI中进行深度分析。参考streamlit目录下的README.md文件。

- Selenium webdriver无法附加到edge实例，edge的--remote-debugging-port选项无效
- https://github.com/AtuboDad/playwright_stealth/issues/31
- https://github.com/browser-use/browser-use/issues/1520

Control a browser for automation and web scraping tasks using Playwright.