港交所沪深港通月度历史数据提取失败，求有效解决方案

你定位到的JS数据链接没问题，但问题出在文件格式上——它不是纯JSON，而是JavaScript变量赋值语句（开头是var data_tab_monthly_202302e = ，结尾是;），直接用json.loads解析会报错，因为不符合JSON语法规范。

修正步骤： #

1. 获取文件内容后，剥离变量定义的外壳，提取内部的纯JSON结构
2. 对提取后的JSON字符串进行解析
3. 按原逻辑整理成DataFrame

修正后的代码： #

import pandas as pd
import urllib.request
import json

url = 'https://www.hkex.com.hk/eng/csm/MonthlyStat/data_tab_monthly_202302e.js'

with urllib.request.urlopen(url) as r:
    # 读取并解码文件内容
    js_content = r.read().decode('utf-8')
    # 剥离JS变量定义，提取中间的JSON部分
    json_str = js_content.split('var data_tab_monthly_202302e = ')[1].rstrip(';')
    # 解析JSON数据
    data = json.loads(json_str)

# 后续数据整理逻辑和原代码一致
df = pd.DataFrame(data['tables'][0]['body'])
columns = [item['text'] for item in data['tables'][0]['header']]
row_count = max(df['row'])
new_df = pd.DataFrame(df.text.values.reshape((row_count, -1)), columns=columns)

# 查看提取结果
print(new_df.head())

补充说明： #

如果要提取其他月份的数据，只需修改URL中的日期段（比如202302改成目标年月），同时调整split方法里的变量名（对应月份的变量格式为data_tab_monthly_YYYYMMe），确保剥离外壳的逻辑匹配即可。

内容的提问来源于stack exchange，提问作者Patrick Chau