大橙子网站建设,新征程启航

为企业提供网站建设、域名注册、服务器等服务

利用python爬取贝壳网租房信息-创新互联

最近准备换房子,在网站上寻找各种房源信息,看得眼花缭乱,于是想着能否将基本信息汇总起来便于查找,便用python将基本信息爬下来放到excel,这样一来就容易搜索了。

10年积累的成都网站建设、做网站经验,可以快速应对客户对网站的新想法和需求。提供各种问题对应的解决方案。让选择我们的客户得到更好、更有力的网络服务。我虽然不认识你,你也不认识我。但先制作网站后付款的网站建设流程,更有辽宁免费网站建设让你可以放心的选择与我们合作。

1. 利用lxml中的xpath提取信息

xpath是一门在 xml文档中查找信息的语言,xpath可用来在 xml 文档中对元素和属性进行遍历。对比正则表达式 re两者可以完成同样的工作,实现的功能也差不多,但xpath明显比re具有优势。具有如下优点:(1)可在xml中查找信息 ;(2)支持html的查找;(3)通过元素和属性进行导航

2. 利用xlsxwriter模块将信息保存至excel

xlsxwriter是操作excel的库,可以帮助我们高效快速的,大批量的,自动化的操作excel。它可以写数据,画图,完成大部分常用的excel操作。缺点是xlsxwriter 只能创建新文件,不可以修改原有文件,如果创建新文件时与原有文件同名,则会覆盖原有文件。

3. 爬取思路

观察发现贝壳网租房信息总共是100页,我们可以分每页获取到html代码,然后提取需要的信息保存至字典,将所有页面的信息汇总,最后将字典数据写入excel。

4. 爬虫源代码

# @Author: Rainbowhhy # @Date  : 19-6-25 下午6:35 import requests import time from lxml import etree import xlsxwriter def get_html(page):     """获取网站html代码"""     url = "https://bj.zu.ke.com/zufang/pg{}/#contentList".format(page)     headers = {         'user-agent': 'Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.77 Safari/537.36'     }     response = requests.get(url, headers=headers).text     return response def parse_html(htmlcode, data):     """解析html代码"""     content = etree.HTML(htmlcode)     results = content.xpath('///div[@class="content__article"]/div[1]/div')     for result in results[:]:         community = result.xpath('./div[1]/p[@class="content__list--item--title twoline"]/a/text()')[0].replace('\n',                                                                                                                 '').strip().split()[             0]         address = "-".join(result.xpath('./div/p[@class="content__list--item--des"]/a/text()'))         landlord = result.xpath('./div/p[@class="content__list--item--brand oneline"]/text()')[0].replace('\n',                                                                                                           '').strip() if len(             result.xpath('./div/p[@class="content__list--item--brand oneline"]/text()')) > 0 else ""         postime = result.xpath('./div/p[@class="content__list--item--time oneline"]/text()')[0]         introduction = ",".join(result.xpath('./div/p[@class="content__list--item--bottom oneline"]/i/text()'))         price = result.xpath('./div/span/em/text()')[0]         description = "".join(result.xpath('./div/p[2]/text()')).replace('\n', '').replace('-', '').strip().split()         area = description[0]         count = len(description)         if count == 6:             orientation = description[1] + description[2] + description[3] + description[4]         elif count == 5:             orientation = description[1] + description[2] + description[3]         elif count == 4:             orientation = description[1] + description[2]         elif count == 3:             orientation = description[1]         else:             orientation = ""         pattern = description[-1]         floor = "".join(result.xpath('./div/p[2]/span/text()')[1].replace('\n', '').strip().split()).strip() if len(             result.xpath('./div/p[2]/span/text()')) > 1 else ""         date_time = time.strftime("%Y-%m-%d", time.localtime())         """数据存入字典"""         data_dict = {             "community": community,             "address": address,             "landlord": landlord,             "postime": postime,             "introduction": introduction,             "price": '¥' + price,             "area": area,             "orientation": orientation,             "pattern": pattern,             "floor": floor,             "date_time": date_time         }         data.append(data_dict) def excel_storage(response):     """将字典数据写入excel"""     workbook = xlsxwriter.Workbook('./beikeHouse.xlsx')     worksheet = workbook.add_worksheet()     """设置标题加粗"""     bold_format = workbook.add_format({'bold': True})     worksheet.write('A1', '小区名称', bold_format)     worksheet.write('B1', '租房地址', bold_format)     worksheet.write('C1', '房屋来源', bold_format)     worksheet.write('D1', '发布时间', bold_format)     worksheet.write('E1', '租房说明', bold_format)     worksheet.write('F1', '房屋价格', bold_format)     worksheet.write('G1', '房屋面积', bold_format)     worksheet.write('H1', '房屋朝向', bold_format)     worksheet.write('I1', '房屋户型', bold_format)     worksheet.write('J1', '房屋楼层', bold_format)     worksheet.write('K1', '查看日期', bold_format)     row = 1     col = 0     for item in response:         worksheet.write_string(row, col + 0, item['community'])         worksheet.write_string(row, col + 1, item['address'])         worksheet.write_string(row, col + 2, item['landlord'])         worksheet.write_string(row, col + 3, item['postime'])         worksheet.write_string(row, col + 4, item['introduction'])         worksheet.write_string(row, col + 5, item['price'])         worksheet.write_string(row, col + 6, item['area'])         worksheet.write_string(row, col + 7, item['orientation'])         worksheet.write_string(row, col + 8, item['pattern'])         worksheet.write_string(row, col + 9, item['floor'])         worksheet.write_string(row, col + 10, item['date_time'])         row += 1     workbook.close() def main():     all_datas = []     """网站总共100页,循环100次"""     for page in range(1, 100):         html = get_html(page)         parse_html(html, all_datas)     excel_storage(all_datas) if __name__ == '__main__':     main()

  5. 信息截图

利用python爬取贝壳网租房信息

另外有需要云服务器可以了解下创新互联cdcxhl.cn,海内外云服务器15元起步,三天无理由+7*72小时售后在线,公司持有idc许可证,提供“云服务器、裸金属服务器、高防服务器、香港服务器、美国服务器、虚拟主机、免备案服务器”等云主机租用服务以及企业上云的综合解决方案,具有“安全稳定、简单易用、服务可用性高、性价比高”等特点与优势,专为企业上云打造定制,能够满足用户丰富、多元化的应用场景需求。


网页名称:利用python爬取贝壳网租房信息-创新互联
标题链接:http://dzwzjz.com/article/dgsjhd.html
在线咨询
服务热线
服务热线:028-86922220
TOP