Python每日爬取丹麦国家银行5种汇率追加至Excel方案咨询

直接选学习成本最低、稳定性最高的技术组合，不用搞复杂框架：

• 依赖安装：执行pip install requests beautifulsoup4 pandas openpyxl一次性装完所有需要的库
• 网页请求用requests：代码量少，不用模拟浏览器，足够应付这个静态页面
• 页面解析用BeautifulSoup4：语法简单，找表格、提数据比正则好上手太多
• Excel读写用pandas+openpyxl引擎：不用手动操作Excel单元格，几行代码就能实现追加写入，不容易出格式错
• 定时跑任务直接用系统自带工具：Windows用任务计划程序、Mac/Linux用crontab，比写Python死循环定时稳定10倍，电脑重启也能自动恢复

核心实现逻辑 #

1. 发请求拿页面内容
   不要裸发请求，加个普通浏览器的User-Agent，加超时时间，避免被拦截或者挂死：

   import requests
   from bs4 import BeautifulSoup
   import pandas as pd
   from datetime import datetime
   import os
   
   TARGET_CURRENCIES = ["USD", "EUR", "GBP", "JPY", "SEK"] # 替换成你需要的5种货币代码
   EXCEL_SAVE_PATH = "dn_exchange_rates.xlsx"
   
   headers = {
       "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/125.0.0.0 Safari/537.36"
   }
   url = "https://www.nationalbanken.dk/en/statistics/exchange_rates/pages/default.aspx"
   resp = requests.get(url, headers=headers, timeout=15)
   resp.raise_for_status() # 状态码不对直接抛错，避免拿错页面解析出垃圾数据
   

2. 解析提取目标数据
   打开页面按F12定位到汇率对应的table标签，遍历行匹配你要的5种货币，提取币种、汇率值，加上当日日期字段：

   soup = BeautifulSoup(resp.text, "html.parser")
   rate_table = soup.find("table", attrs={"class": "table table-striped"}) # 按实际页面的表格属性调整定位规则
   rows = rate_table.find_all("tr")[1:] # 跳过表头行
   
   today_data = []
   current_date = datetime.now().strftime("%Y-%m-%d")
   for row in rows:
       cols = [col.text.strip() for col in row.find_all("td")]
       currency_code = cols[0] # 按实际表格列顺序调整索引
       if currency_code in TARGET_CURRENCIES:
           today_data.append({
               "record_date": current_date,
               "currency": currency_code,
               "exchange_rate": float(cols[2].replace(",", ".")) # 转换欧洲格式的逗号小数点为标准点号
           })
   
   # 校验数据完整性
   if len(today_data) != len(TARGET_CURRENCIES):
       raise ValueError(f"缺失目标货币汇率，仅拿到{len(today_data)}种，爬取终止")
   
   df_today = pd.DataFrame(today_data)
   

3. 追加写入Excel
   自动判断文件是否存在，存在就追加，不存在就新建，写入前去重避免重复存当天数据：

   if os.path.exists(EXCEL_SAVE_PATH):
       df_old = pd.read_excel(EXCEL_SAVE_PATH, engine="openpyxl")
       # 剔除已存在的当日数据，避免重复写入
       df_old = df_old[df_old["record_date"] != current_date]
       df_final = pd.concat([df_old, df_today], ignore_index=True)
   else:
       df_final = df_today
   
   df_final.to_excel(EXCEL_SAVE_PATH, index=False, engine="openpyxl")
   

• 别上来就用Selenium/Playwright这类浏览器自动化工具：这个页面是静态渲染的，直接发请求就能拿数据，上自动化工具不仅装环境麻烦，还容易因为浏览器驱动版本、页面加载慢出各种幺蛾子，新手hold不住。
• 数据格式要统一：欧洲网站的小数默认用逗号分隔，爬下来要替换成点再转成数值类型，不然存到Excel里是文本，没法做计算。日期格式固定成YYYY-MM-DD，别用带斜杠或者本地化的格式，后续筛选排序更方便。
• 防数据损坏：写Excel的时候一定要确保文件是关闭状态，被其他程序占用的话会直接报错。稳妥点可以每次写入前把旧文件复制一份加个日期后缀当备份，就算代码写崩了也不会丢历史数据。
• 定时任务别踩坑：不要写while True + time.sleep(86400)的循环定时，电脑关机、程序闪退就会中断任务，用系统自带的定时工具最稳。执行时间选在丹麦央行更新汇率之后，别爬早了拿到前一天的旧数据。
• 反爬不用过度紧张：你一天只爬1次，加个正常User-Agent就不会被封，没必要买代理、搞IP池，纯浪费成本。
• 异常要加捕获：网络波动、页面结构微调都可能导致爬取失败，给核心逻辑加try-except，失败了打印错误日志就行，别让程序直接闪退，也别把错误的空数据写到Excel里。

内容的提问来源于stack exchange，提问作者B.Birgovan