python爬取安居客二手房網(wǎng)站數(shù)據(jù)(實(shí)例講解)

來源：懂視網(wǎng) 責(zé)編：小采時間：2020-11-27 22:27:35

python爬取安居客二手房網(wǎng)站數(shù)據(jù)(實(shí)例講解)

python爬取安居客二手房網(wǎng)站數(shù)據(jù)(實(shí)例講解):是小打小鬧哈哈，現(xiàn)在開始正式進(jìn)行爬蟲書寫首先，需要分析一下要爬取的網(wǎng)站的結(jié)構(gòu)：作為一名河南的學(xué)生，那就看看鄭州的二手房信息吧！在上面這個頁面中，我們可以看到一條條的房源信息，從中我們發(fā)現(xiàn)了什么，發(fā)現(xiàn)了連鄭州的二手房都是這么的貴，作為即將

推薦度：

點(diǎn)擊下載本文 文檔為doc格式

導(dǎo)讀python爬取安居客二手房網(wǎng)站數(shù)據(jù)(實(shí)例講解):是小打小鬧哈哈，現(xiàn)在開始正式進(jìn)行爬蟲書寫首先，需要分析一下要爬取的網(wǎng)站的結(jié)構(gòu)：作為一名河南的學(xué)生，那就看看鄭州的二手房信息吧！在上面這個頁面中，我們可以看到一條條的房源信息，從中我們發(fā)現(xiàn)了什么，發(fā)現(xiàn)了連鄭州的二手房都是這么的貴，作為即將

是小打小鬧

哈哈，現(xiàn)在開始正式進(jìn)行爬蟲書寫首先，需要分析一下要爬取的網(wǎng)站的結(jié)構(gòu)：作為一名河南的學(xué)生，那就看看鄭州的二手房信息吧！

在上面這個頁面中，我們可以看到一條條的房源信息，從中我們發(fā)現(xiàn)了什么，發(fā)現(xiàn)了連鄭州的二手房都是這么的貴，作為即將畢業(yè)的學(xué)生狗惹不起啊惹不起

還是正文吧！！！由上可以看到網(wǎng)頁一條條的房源信息，點(diǎn)擊進(jìn)去后就會發(fā)現(xiàn)：

房源的詳細(xì)信息。OK！那么我們要干嘛呢，就是把鄭州這個地區(qū)的二手房房源信息都能拿到手，可以保存到數(shù)據(jù)庫中，用來干嘛呢，作為一個地理人，還是有點(diǎn)用處的，這次就不說了好，正式開始，首先我采用python3.6 中的requests，BeautifulSoup模塊來進(jìn)行爬取頁面，首先由requests模塊進(jìn)行請求：

# 網(wǎng)頁的請求頭
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鏈接
url = 'https://zhengzhou.anjuke.com/sale/'
response = requests.get(url, headers=header)
print(response.text)

執(zhí)行后就會得到這個網(wǎng)站的html代碼了

通過分析可以得到每個房源都在class="list-item"的 li 標(biāo)簽中，那么我們就可以根據(jù)BeautifulSoup包進(jìn)行提取

# 通過BeautifulSoup進(jìn)行解析出每個房源詳細(xì)列表并進(jìn)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)

通過打印就能進(jìn)一步減少了code量，好，繼續(xù)提取

# 通過BeautifulSoup進(jìn)行解析出每個房源詳細(xì)列表并進(jìn)行打印
soup = BeautifulSoup(response.text, 'html.parser')
result_li = soup.find_all('li', {'class': 'list-item'})
# 進(jìn)行循環(huán)遍歷其中的房源詳細(xì)列表
for i in result_li:
 # 由于BeautifulSoup傳入的必須為字符串，所以進(jìn)行轉(zhuǎn)換
 page_url = str(i)
 soup = BeautifulSoup(page_url, 'html.parser')
 # 由于通過class解析的為一個列表，所以只需要第一個參數(shù)
 result_href = soup.find_all('a', {'class': 'houseListTitle'})[0]
 print(result_href.attrs['href'])

這樣，我們就能看到一個個的url了，是不是很喜歡

好了，按正常的邏輯就要進(jìn)入頁面開始分析詳細(xì)頁面了，但是爬取完后如何進(jìn)行下一頁的爬取呢所以，我們就需要先分析該頁面是否有下一頁

同樣的方法就可以發(fā)現(xiàn)下一頁同樣是如此的簡單，那么咱們就可以還是按原來的配方原來的味道繼續(xù)

# 進(jìn)行下一頁的爬取
result_next_page = soup.find_all('a', {'class': 'aNxt'})
if len(result_next_page) != 0:
 print(result_next_page[0].attrs['href'])
else:
 print('沒有下一頁了')

因?yàn)楫?dāng)存在下一頁的時候，網(wǎng)頁中就是一個a標(biāo)簽，如果沒有的話，就會成為i標(biāo)簽了，所以這樣的就行，因此，我們就能完善一下，將以上這些封裝為一個函數(shù)

import requests
from bs4 import BeautifulSoup

# 網(wǎng)頁的請求頭
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)

 # 通過BeautifulSoup進(jìn)行解析出每個房源詳細(xì)列表并進(jìn)行打印
 soup = BeautifulSoup(response.text, 'html.parser')
 result_li = soup.find_all('li', {'class': 'list-item'})

 # 進(jìn)行下一頁的爬取
 result_next_page = soup.find_all('a', {'class': 'aNxt'})
 if len(result_next_page) != 0:
 # 函數(shù)進(jìn)行遞歸
 get_page(result_next_page[0].attrs['href'])
 else:
 print('沒有下一頁了')

 # 進(jìn)行循環(huán)遍歷其中的房源詳細(xì)列表
 for i in result_li:
 # 由于BeautifulSoup傳入的必須為字符串，所以進(jìn)行轉(zhuǎn)換
 page_url = str(i)
 soup = BeautifulSoup(page_url, 'html.parser')
 # 由于通過class解析的為一個列表，所以只需要第一個參數(shù)
 result_href = soup.find_all('a', {'class': 'houseListTitle'})[0]
 # 先不做分析，等一會進(jìn)行詳細(xì)頁面函數(shù)完成后進(jìn)行調(diào)用
 print(result_href.attrs['href'])


if __name__ == '__main__':
 # url鏈接
 url = 'https://zhengzhou.anjuke.com/sale/'
 # 頁面爬取函數(shù)調(diào)用
 get_page(url)

好了，那么咱們就開始詳細(xì)頁面的爬取了

哎，怎么動不動就要斷電了，大學(xué)的坑啊，先把結(jié)果附上，閑了在補(bǔ)充，

import requests
from bs4 import BeautifulSoup

# 網(wǎng)頁的請求頭
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)

 # 通過BeautifulSoup進(jìn)行解析出每個房源詳細(xì)列表并進(jìn)行打印
 soup_idex = BeautifulSoup(response.text, 'html.parser')
 result_li = soup_idex.find_all('li', {'class': 'list-item'})

 # 進(jìn)行循環(huán)遍歷其中的房源詳細(xì)列表
 for i in result_li:
 # 由于BeautifulSoup傳入的必須為字符串，所以進(jìn)行轉(zhuǎn)換
 page_url = str(i)
 soup = BeautifulSoup(page_url, 'html.parser')
 # 由于通過class解析的為一個列表，所以只需要第一個參數(shù)
 result_href = soup.find_all('a', {'class': 'houseListTitle'})[0]
 # 詳細(xì)頁面的函數(shù)調(diào)用
 get_page_detail(result_href.attrs['href'])


 # 進(jìn)行下一頁的爬取
 result_next_page = soup_idex.find_all('a', {'class': 'aNxt'})
 if len(result_next_page) != 0:
 # 函數(shù)進(jìn)行遞歸
 get_page(result_next_page[0].attrs['href'])
 else:
 print('沒有下一頁了')

# 進(jìn)行字符串中空格，換行，tab鍵的替換及刪除字符串兩邊的空格刪除
def my_strip(s):
 return str(s).replace(" ", "").replace("\n", "").replace("\t", "").strip()
# 由于頻繁進(jìn)行BeautifulSoup的使用，封裝一下，很雞肋
def my_Beautifulsoup(response):
 return BeautifulSoup(str(response), 'html.parser')



# 詳細(xì)頁面的爬取
def get_page_detail(url):
 response = requests.get(url, headers=header)
 if response.status_code == 200:
 soup = BeautifulSoup(response.text, 'html.parser')
 # 標(biāo)題什么的一大堆，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，省實(shí)驗(yàn)中學(xué)，首付只需70萬，大三房，誠心賣，價可談 270萬
 宇泰文博公寓 金水－花園路－文博東路4號 2010年 普通住宅
 3室2廳2衛(wèi) 140平方米 南北 中層(共32層)
 精裝修 19285元/m² 81.00萬
 '''
 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鏈接
 url = 'https://zhengzhou.anjuke.com/sale/'
 # 頁面爬取函數(shù)調(diào)用
 get_page(url)

由于自己邊寫博客，邊寫的代碼，所以get_page函數(shù)中進(jìn)行了一些改變，就是下一頁的遞歸調(diào)用需要放在函數(shù)后面，以及進(jìn)行封裝了兩個函數(shù)沒有介紹，

而且數(shù)據(jù)存儲到mysql也沒有寫，所以后期會繼續(xù)跟進(jìn)的，thank you!!!

以上這篇python爬取安居客二手房網(wǎng)站數(shù)據(jù)(實(shí)例講解)就是小編分享給大家的全部內(nèi)容了，希望能給大家一個參考，也希望大家多多支持腳本之家。

聲明：本網(wǎng)頁內(nèi)容旨在傳播知識，若有侵權(quán)等問題請及時與本網(wǎng)聯(lián)系，我們將在第一時間刪除處理。TEL:177 7030 7066 E-MAIL:11247931@qq.com