(C++) Nasdaq IPOs Scrape

By SnipBot | Published: January 27, 2012

This is a C++ program that scrapes IPO data from Nasdaq.com using libcurl for downloading the data and htmlcxx for parsing the html code.

  1. #include <string>
  2. #include <sstream>
  3. #include <iostream>
  4. #include <fstream>
  5. #include <vector>
  6. #include <algorithm>
  7.  
  8. #include <curlpp/cURLpp.hpp>
  9. #include <curlpp/Easy.hpp>
  10. #include <curlpp/Options.hpp>
  11. #include <htmlcxx/html/ParserDom.h>
  12.  
  13. using namespace std;
  14. using namespace htmlcxx;
  15.  
  16. int main() {
  17.   vector<string> tabStrings;
  18.   tabStrings.push_back( "pricings" );
  19.   tabStrings.push_back( "upcoming" );
  20.   tabStrings.push_back( "filings" );
  21.  
  22.   vector<string> monthStrings;
  23.   monthStrings.push_back("2011-01");
  24.   monthStrings.push_back("2011-02");
  25.   monthStrings.push_back("2011-03");
  26.   monthStrings.push_back("2011-04");
  27.   monthStrings.push_back("2011-05");
  28.   monthStrings.push_back("2011-06");
  29.   monthStrings.push_back("2011-07");
  30.   monthStrings.push_back("2011-08");
  31.   monthStrings.push_back("2011-09");
  32.   monthStrings.push_back("2011-10");
  33.   monthStrings.push_back("2011-11");
  34.   monthStrings.push_back("2011-12");
  35.   monthStrings.push_back("2012-01");
  36.  
  37.   fstream outFile( "/tmp/NasdaqIPOs.csv", fstream::out );
  38.  
  39.   for ( vector<string>::iterator iter = tabStrings.begin(); iter != tabStrings.end(); iter++ ) {
  40.       for ( vector<string>::iterator monthIter=monthStrings.begin(); monthIter!=monthStrings.end(); monthIter++ ) {
  41. cout << "Scraping " << *iter << " for month = " << *monthIter << endl;
  42.         try {
  43.           curlpp::Easy myRequest;
  44.           myRequest.setOpt(curlpp::options::Url((std::string( "http://www.nasdaq.com/markets/ipos/activity.aspx?tab="+*iter+"&month="+*monthIter))));
  45.           ostringstream os;
  46.           os << myRequest;
  47.           string content = os.str();
  48.          
  49.           HTML::ParserDom parser;
  50.  
  51.           if ( *iter == "pricings" || *iter == "upcoming" ) {
  52.             string type = "";
  53.             if ( *iter == "pricings" ) {
  54. type = "PRICING";
  55.             }
  56.             else if ( *iter == "upcoming" ) {
  57.               type = "UPCOMING";
  58.             }
  59.  
  60. int startIdx = content.find("<div class=\"genTable\">");
  61.             int endIdx = content.find("<!– end tabpane");
  62.            
  63.             if ( startIdx > 0 && endIdx > startIdx ) {
  64.               string htmlContent = content.substr(startIdx,(endIdx-startIdx));
  65.               tree<HTML::Node> dom = parser.parseTree( htmlContent );
  66.              
  67.               for ( tree<HTML::Node>::iterator treeIter=dom.begin(); treeIter!=dom.end(); treeIter++ ) {
  68. if ( treeIter->tagName() == "tr" ) {
  69. string trHtml = treeIter->content( htmlContent );
  70.                   tree<HTML::Node> trDom = parser.parseTree( trHtml );
  71.                   int tdCount = 0;
  72.                   string name = "";
  73.                   string ticker = "";
  74.                   string market = "";
  75.                   string price = "";
  76.                   string shares = "";
  77.                   string offerAmount = "";
  78.                   string datePriced = "";
  79.  
  80.                   for ( tree<HTML::Node>::iterator trIter=trDom.begin(); trIter!=trDom.end(); trIter++ ) {
  81.                     if ( trIter->tagName() == "td" ) {
  82.                       if ( tdCount == 0 ) {
  83. string tdHtml = trIter->content( trHtml );
  84.                         int startIndex = tdHtml.find("\">");
  85.                         int endIndex = tdHtml.find("</a>");
  86.                         name = tdHtml.substr(startIndex+2,(endIndex-startIndex-2));
  87.                       }
  88.                       else if ( tdCount == 1 ) {
  89.                         string tdHtml = trIter->content( trHtml );
  90.                         int startIndex = tdHtml.find("\">");
  91.                         int endIndex = tdHtml.find("</a>");
  92.                         ticker = tdHtml.substr(startIndex+2,(endIndex-startIndex-2));
  93.                       }
  94.                       else if ( tdCount == 2 ) {
  95.                         string tdHtml = trIter->content( trHtml );
  96.                         int startIndex = tdHtml.find("\">");
  97.                         int endIndex = tdHtml.find("</a>");
  98.                         market = tdHtml.substr(startIndex+2,(endIndex-startIndex-2));
  99.                       }
  100.                       else if ( tdCount == 3 ) {
  101.                         string tdHtml = trIter->content( trHtml );
  102.                         price = tdHtml;
  103.                       }
  104.                       else if ( tdCount == 4 ) {
  105.                         string tdHtml = trIter->content( trHtml );
  106.                         shares = tdHtml;
  107.                       }
  108.                       else if ( tdCount == 5 ) {
  109.                         string tdHtml = trIter->content( trHtml );
  110.                         offerAmount = tdHtml;
  111.                       }
  112.                       else if ( tdCount == 6 ) {
  113.                         string tdHtml = trIter->content( trHtml );
  114.                         datePriced = tdHtml;
  115.                       }
  116.                       tdCount++;
  117.                     }
  118.                   }
  119.                   if ( name != "" ) {
  120.                      outFile << "\"" + type + "\",\"" + name + "\",\"" + ticker + "\",\"" + market + "\",\"" + price + "\",\"" + shares + "\",\"" + offerAmount + "\",\"" + datePriced + "\"" << endl;
  121.                   }
  122.                 }
  123.               }
  124.             }
  125.           }
  126.           else if ( *iter == "filings" ) {
  127. string type = "FILING";
  128.             int startIdx = content.find("<div class=\"genTable\">");
  129.             int endIdx = content.find("<!– end tabpane");
  130.            
  131.             if ( startIdx > 0 && endIdx > startIdx ) {
  132.               string htmlContent = content.substr(startIdx,(endIdx-startIdx));
  133.               tree<HTML::Node> dom = parser.parseTree( htmlContent );
  134.              
  135.               for ( tree<HTML::Node>::iterator treeIter=dom.begin(); treeIter!=dom.end(); treeIter++ ) {
  136. if ( treeIter->tagName() == "tr" ) {
  137. string trHtml = treeIter->content( htmlContent );
  138.                   tree<HTML::Node> trDom = parser.parseTree( trHtml );
  139.                   int tdCount = 0;
  140.                   string name = "";
  141.                   string ticker = "";
  142.                   string offerAmount = "";
  143.                   string dateFiled = "";
  144.  
  145.                   string market = "";
  146.                   string price = "";
  147.                   string shares = "";
  148.          
  149.                   for ( tree<HTML::Node>::iterator trIter=trDom.begin(); trIter!=trDom.end(); trIter++ ) {
  150.                     if ( trIter->tagName() == "td" ) {
  151.                       if ( tdCount == 0 ) {
  152. string tdHtml = trIter->content( trHtml );
  153.                         int startIndex = tdHtml.find("\">");
  154.                         int endIndex = tdHtml.find("</a>");
  155.                         name = tdHtml.substr(startIndex+2,(endIndex-startIndex-2));
  156.                       }
  157.                       else if ( tdCount == 1 ) {
  158.                         string tdHtml = trIter->content( trHtml );
  159.                         ticker = tdHtml;
  160.                         try {
  161.                           if ( ticker.find("</a>") != string::npos ) {
  162.                             int startIndex = ticker.find("\">");
  163.                             int endIndex = ticker.find("</a>");
  164.                             ticker = ticker.substr(startIndex+2,(endIndex-startIndex-2));
  165.                           }
  166.                         } catch ( std::out_of_range &e ) {}
  167.                       }
  168.                       else if ( tdCount == 2 ) {
  169.                         string tdHtml = trIter->content( trHtml );
  170.                         offerAmount = tdHtml;
  171.                       }
  172.                       else if ( tdCount == 3 ) {
  173.                         string tdHtml = trIter->content( trHtml );
  174.                         dateFiled = tdHtml;
  175.                       }
  176.                       tdCount++;
  177.                     }
  178.                   }
  179.                   if ( name != "" ) {
  180.                      outFile << "\"" + type + "\",\"" + name + "\",\"" + ticker + "\",\"" + market + "\",\"" + price + "\",\"" + shares + "\",\"" + offerAmount + "\",\"" + dateFiled + "\"" << endl;
  181.                   }
  182.                 }
  183.               }
  184.             }
  185.              
  186.           }
  187.         } catch( curlpp::RuntimeError &e ) { std::cout << e.what() << std::endl; }
  188.         catch( curlpp::LogicError &e ) { std::cout << e.what() << std::endl; }
  189.         catch( std::out_of_range &e ) { cout << e.what() << endl; }
  190.         usleep( 200000 );
  191.       }
  192.   }
  193.   outFile.close();
  194.   return 0;
  195. }
This entry was posted in C++ and tagged , , , , , , . Bookmark the permalink. Trackbacks are closed, but you can post a comment.

Post a Comment

Your email is never published nor shared. Required fields are marked *

*
*

You may use these HTML tags and attributes: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <strike> <strong>

Why ask?