python爬取安居客二手房网站数据

前言

本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,如有问题请及时联系我们以作处理。

PS：如有需要Python学习资料的小伙伴可以加点击下方链接自行获取
python免费学习资料以及群交流解答点击即可加入

在上面这个页面中，我们可以看到一条条的房源信息，从中我们发现了什么，发现了连郑州的二手房都是这么的贵，作为即将毕业的学生狗惹不起啊惹不起

还是正文吧！！！

由上可以看到网页一条条的房源信息，点击进去后就会发现：

房源的详细信息。

OK！那么我们要干嘛呢，就是把郑州这个地区的二手房房源信息都能拿到手，可以保存到数据库中，用来干嘛呢，作为一个地理人，还是有点用处的，这次就不说了

好，正式开始，首先我采用python3.6 中的requests，BeautifulSoup模块来进行爬取页面，

首先由requests模块进行请求：

# 网页的请求头
header = {
'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/60.0.3112.113 Safari/537.36'
}
# url链接
url = 'https://zhengzhou.anjuke.com/sale/'
response = requests.get(url, headers=header)
print(response.text)

执行后就会得到这个网站的html代码了

通过分析可以得到每个房源都在class="list-item"的 li 标签中，那么我们就可以根据BeautifulSoup包进行提取

# 通过BeautifulSoup进行解析出每个房源详细列表并进行打印
soup = BeautifulSoup(response.text, 'html.parser')
result_li = soup.find_all('li', {'class': 'list-item'})
for i in result_li:print(i)

通过打印就能进一步减少了code量，好，继续提取

# 通过BeautifulSoup进行解析出每个房源详细列表并进行打印
soup = BeautifulSoup(response.text, 'html.parser')
result_li = soup.find_all('li', {'class': 'list-item'})
# 进行循环遍历其中的房源详细列表
for i in result_li:# 由于BeautifulSoup传入的必须为字符串，所以进行转换page_url = str(i)soup = BeautifulSoup(page_url, 'html.parser')# 由于通过class解析的为一个列表，所以只需要第一个参数result_href = soup.find_all('a', {'class': 'houseListTitle'})[0]print(result_href.attrs['href'])

这样，我们就能看到一个个的url了，是不是很喜欢

好了，按正常的逻辑就要进入页面开始分析详细页面了，但是爬取完后如何进行下一页的爬取呢

所以，我们就需要先分析该页面是否有下一页

同样的方法就可以发现下一页同样是如此的简单，那么咱们就可以还是按原来的配方原来的味道继续

# 进行下一页的爬取
result_next_page = soup.find_all('a', {'class': 'aNxt'})
if len(result_next_page) != 0:print(result_next_page[0].attrs['href'])
else:print('没有下一页了')

因为当存在下一页的时候，网页中就是一个a标签，如果没有的话，就会成为i标签了，所以这样的就行，因此，我们就能完善一下，将以上这些封装为一个函数

import requests
from bs4 import BeautifulSoup
'''
遇到不懂的问题？Python学习交流群：1136201545满足你的需求，资料都已经上传群文件，可以自行下载！
'''
# 网页的请求头
header = {'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/60.0.3112.113 Safari/537.36'
}def get_page(url):response = requests.get(url, headers=header)# 通过BeautifulSoup进行解析出每个房源详细列表并进行打印soup = BeautifulSoup(response.text, 'html.parser')result_li = soup.find_all('li', {'class': 'list-item'})# 进行下一页的爬取result_next_page = soup.find_all('a', {'class': 'aNxt'})if len(result_next_page) != 0:# 函数进行递归get_page(result_next_page[0].attrs['href'])else:print('没有下一页了')# 进行循环遍历其中的房源详细列表for i in result_li:# 由于BeautifulSoup传入的必须为字符串，所以进行转换page_url = str(i)soup = BeautifulSoup(page_url, 'html.parser')# 由于通过class解析的为一个列表，所以只需要第一个参数result_href = soup.find_all('a', {'class': 'houseListTitle'})[0]# 先不做分析，等一会进行详细页面函数完成后进行调用print(result_href.attrs['href'])if __name__ == '__main__':# url链接url = 'https://zhengzhou.anjuke.com/sale/'# 页面爬取函数调用get_page(url)

好了，那么咱们就开始详细页面的爬取了

哎，怎么动不动就要断电了，大学的坑啊，先把结果附上，闲了在补充，

import requests
from bs4 import BeautifulSoup
'''
遇到不懂的问题？Python学习交流群：1136201545满足你的需求，资料都已经上传群文件，可以自行下载！
'''
# 网页的请求头
header = {'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/60.0.3112.113 Safari/537.36'
}def get_page(url):response = requests.get(url, headers=header)# 通过BeautifulSoup进行解析出每个房源详细列表并进行打印soup_idex = BeautifulSoup(response.text, 'html.parser')result_li = soup_idex.find_all('li', {'class': 'list-item'})# 进行循环遍历其中的房源详细列表for i in result_li:# 由于BeautifulSoup传入的必须为字符串，所以进行转换page_url = str(i)soup = BeautifulSoup(page_url, 'html.parser')# 由于通过class解析的为一个列表，所以只需要第一个参数result_href = soup.find_all('a', {'class': 'houseListTitle'})[0]# 详细页面的函数调用get_page_detail(result_href.attrs['href'])# 进行下一页的爬取result_next_page = soup_idex.find_all('a', {'class': 'aNxt'})if len(result_next_page) != 0:# 函数进行递归get_page(result_next_page[0].attrs['href'])else:print('没有下一页了')# 进行字符串中空格，换行，tab键的替换及删除字符串两边的空格删除
def my_strip(s):return str(s).replace(" ", "").replace("\n", "").replace("\t", "").strip()
# 由于频繁进行BeautifulSoup的使用，封装一下，很鸡肋
def my_Beautifulsoup(response):return BeautifulSoup(str(response), 'html.parser')# 详细页面的爬取
def get_page_detail(url):response = requests.get(url, headers=header)if response.status_code == 200:soup = BeautifulSoup(response.text, 'html.parser')# 标题什么的一大堆，哈哈result_title = soup.find_all('h3', {'class': 'long-title'})[0]result_price = soup.find_all('span', {'class': 'light info-tag'})[0]result_house_1 = soup.find_all('div', {'class': 'first-col detail-col'})result_house_2 = soup.find_all('div', {'class': 'second-col detail-col'})result_house_3 = soup.find_all('div', {'class': 'third-col detail-col'})soup_1 = my_Beautifulsoup(result_house_1)soup_2 = my_Beautifulsoup(result_house_2)soup_3 = my_Beautifulsoup(result_house_3)result_house_tar_1 = soup_1.find_all('dd')result_house_tar_2 = soup_2.find_all('dd')result_house_tar_3 = soup_3.find_all('dd')'''文博公寓，省实验中学，首付只需70万，大三房，诚心卖，价可谈 270万宇泰文博公寓 金水－花园路－文博东路4号 2010年 普通住宅3室2厅2卫 140平方米 南北 中层(共32层)精装修 19285元/m² 81.00万'''print(my_strip(result_title.text), my_strip(result_price.text))print(my_strip(result_house_tar_1[0].text),my_strip(my_Beautifulsoup(result_house_tar_1[1]).find_all('p')[0].text),my_strip(result_house_tar_1[2].text), my_strip(result_house_tar_1[3].text))print(my_strip(result_house_tar_2[0].text), my_strip(result_house_tar_2[1].text),my_strip(result_house_tar_2[2].text), my_strip(result_house_tar_2[3].text))print(my_strip(result_house_tar_3[0].text), my_strip(result_house_tar_3[1].text),my_strip(result_house_tar_3[2].text))if __name__ == '__main__':# url链接url = 'https://zhengzhou.anjuke.com/sale/'# 页面爬取函数调用get_page(url)

python爬取安居客二手房网站数据相关推荐

python爬取安居客二手房网站数据（转）
之前没课的时候写过安居客的爬虫,但那也是小打小闹,那这次呢, 还是小打小闹哈哈,现在开始正式进行爬虫书写首先,需要分析一下要爬取的网站的结构: 作为一名河南的学生,那就看看郑州的二手房信息吧! 在 ...
python爬取房源数据_python爬取安居客二手房网站数据(实例讲解)
是小打小闹哈哈,现在开始正式进行爬虫书写首先,需要分析一下要爬取的网站的结构:作为一名河南的学生,那就看看郑州的二手房信息吧! 在上面这个页面中,我们可以看到一条条的房源信息,从中我们发现了什么,发 ...
使用Python爬取安居客二手房房价数据
作为一个Python新手,公司突然安排我爬取房价数据,真让人有点头大啊!幸好网上的大佬们经验丰富,给予了很多代码上的帮助.本文代码在网友pythoner111爬虫项目–爬取安居客二手房信息的基础上修改 ...
抓取安居客二手房经纪人数据，python爬虫自动翻页
为什么80%的码农都做不了架构师?>>> 和链接不一样,安居客网站里面没有找到总页数,可能在json里面有,只是我没有找到. 基于此能不能做网页的循环爬取呢. 能否判断页面读取 ...
爬虫项目--爬取安居客二手房信息
爬虫实战(爬取安居客二手房信息-成都天府新区) 环境:python3.6 pycharm bs4库解析方式:bs4 需求:爬取二手房信息字段(titile,house_type,build_time ...
Python爬取安居客经纪人信息
Python爬取安居客经纪人信息 Python2.7.15 今天我们来爬取安居客经纪人的信息.这次我们不再使用正则,我们使用beautifulsoup.不了解的可以先看一下这个文档,便于理解.http ...
bs4+phantomjs爬取安居客二手房信息
bs4+phantomjs爬取安居客二手房信息这是我的第一篇博客,希望通过养成写博客的习惯来督促自己学习. 开发环境以及需要安装的模块 - Python3.6 - requests pip inst ...
python爬取安居客网站上北京二手房数据
目标:爬取安居客网站上前10页北京二手房的数据,包括二手房源的名称.价格.几室几厅.大小.建造年份.联系人.地址.标签等. 网址为:https://beijing.anjuke.com/sale/ B ...
爬虫爬取安居客二手房和新房信息，你是买新房还是二手的呢？
本文主要讲解爬取安居客买房类别中的二手房和新房,将提取的信息存储在记事本中,也可以转存CSV格式或者MongoDB中. 网站HTML信息提取比较简单,没有什么特别的地方,作为爬虫入门可以让初学者快速了 ...

python爬取安居客二手房网站数据

python爬取安居客二手房网站数据相关推荐

最新文章

热门文章