最全爬虫——爬取贵阳房价（Python实现），蚂蚁金服Python面试题

做了那么多年开发，自学了很多门编程语言，我很明白学习资源对于学一门新语言的重要性，这些年也收藏了不少的Python干货，对我来说这些东西确实已经用不到了，但对于准备自学Python的人来说，或许它就是一个宝藏，可以给你省去很多的时间和精力。

别在网上瞎学了，我最近也做了一些资源的更新，只要你是我的粉丝，这期福利你都可拿走。

我先来介绍一下这些东西怎么用，文末抱走。

---

（1）Python所有方向的学习路线（新版）

这是我花了几天的时间去把Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

最近我才对这些路线做了一下新的更新，知识体系更全面了。

（2）Python学习视频

包含了Python入门、爬虫、数据分析和web开发的学习视频，总共100多个，虽然没有那么全面，但是对于入门来说是没问题的，学完这些之后，你可以按照我上面的学习路线去网上找其他的知识资源进行进阶。

（3）100多个练手项目

我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了，只是里面的项目比较多，水平也是参差不齐，大家可以挑自己能做的项目去练练。

（4）200多本电子书

这些年我也收藏了很多电子书，大概200多本，有时候带实体书不方便的话，我就会去打开电子书看看，书籍可不一定比视频教程差，尤其是权威的技术书籍。

基本上主流的和经典的都有，这里我就不放图了，版权问题，个人看看是没有问题的。

（5）Python知识点汇总

知识点汇总有点像学习路线，但与学习路线不同的点就在于，知识点汇总更为细致，里面包含了对具体知识点的简单说明，而我们的学习路线则更为抽象和简单，只是为了方便大家只是某个领域你应该学习哪些技术栈。

（6）其他资料

还有其他的一些东西，比如说我自己出的Python入门图文类教程，没有电脑的时候用手机也可以学习知识，学会了理论之后再去敲代码实践验证，还有Python中文版的库资料、MySQL和HTML标签大全等等，这些都是可以送给粉丝们的东西。

这些都不是什么非常值钱的东西，但对于没有资源或者资源不是很好的学习者来说确实很不错，你要是用得到的话都可以直接抱走，关注过我的人都知道，这些都是可以拿到的。

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

#=step_1 : 指 定 url=====

url = ‘https://gy.fang.lianjia.com/ /’

#=step_2 : 发 起 请 求 :==

#使 用 get 方 法 发 起 get 请 求 ， 该 方 法 会 返 回 一 个 响 应 对 象 。 参 数 url 表 示 请 求 对 应 的 url

response = requests . get ( url = url )

#===step_3 : 获 取 响 应 数 据 :=

#通 过 调 用 响 应 对 象 的 text 属 性 ， 返 回 响 应 对 象 中 存 储 的 字 符 串 形 式 的 响 应 数 据 （ 页 面 源 码数 据 ）

page_text = response . text

#step_4 : 持 久 化 存 储===

with open ('贵阳房价 . html ',‘w’, encoding =‘utf -8’) as fp:

fp.write ( page_text )

print (’ 爬 取 数 据 完 毕 !!!')

爬 取 数 据 完 毕 !!!

Process finished with exit code 0

3 爬取贵阳房价并写入表格

---

3.1 结果展示

3.2 代码实现（Python）

#导入相关库================

from bs4 import BeautifulSoup

import numpy as np

import requests

from requests.exceptions import RequestException

import pandas as pd

#=读取网页=============================

def craw(url,page):

try:

headers = {

“User-Agent”: “Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/69.0.3947.100 Safari/537.36”}

html1 = requests.request(“GET”, url, headers=headers,timeout=10)

html1.encoding =‘utf-8’ # 加编码，重要！转换为字符串编码，read()得到的是byte格式的

html=html1.text

return html

except RequestException:#其他问题

print(‘第{0}读取网页失败’.format(page))

return None

#解析网页并保存数据到表格============

def pase_page(url,page):

html=craw(url,page)

html = str(html)

if html is not None:

soup = BeautifulSoup(html, ‘lxml’)

“–先确定房子信息，即li标签列表–”

houses=soup.select(‘.resblock-list-wrapper li’)#房子列表

“–再确定每个房子的信息–”

for j in range(len(houses)):#遍历每一个房子

house=houses[j]

“名字”

recommend_project=house.select(‘.resblock-name a.name’)

recommend_project=[i.get_text()for i in recommend_project]#名字 英华天元，斌鑫江南御府…

recommend_project=’ '.join(recommend_project)

#print(recommend_project)

“类型”

house_type=house.select(‘.resblock-name span.resblock-type’)

house_type=[i.get_text()for i in house_type]#写字楼,底商…

house_type=’ '.join(house_type)

#print(house_type)

“销售状态”

sale_status = house.select(‘.resblock-name span.sale-status’)

sale_status=[i.get_text()for i in sale_status]#在售,在售,售罄,在售…

sale_status=’ '.join(sale_status)

#print(sale_status)

“大地址”

big_address=house.select(‘.resblock-location span’)

big_address=[i.get_text()for i in big_address]#

big_address=‘’.join(big_address)

#print(big_address)

“具体地址”

small_address=house.select(‘.resblock-location a’)

small_address=[i.get_text()for i in small_address]#

small_address=’ '.join(small_address)

#print(small_address)

“优势。”

advantage=house.select(‘.resblock-tag span’)

advantage=[i.get_text()for i in advantage]#

advantage=’ '.join(advantage)

#print(advantage)

“均价：多少1平”

average_price=house.select(‘.resblock-price .main-price .number’)

average_price=[i.get_text()for i in average_price]#16000,25000,价格待定…

average_price=’ '.join(average_price)

#print(average_price)

“总价,单位万”

total_price=house.select(‘.resblock-price .second’)

total_price=[i.get_text()for i in total_price]#总价400万/套，总价100万/套’…

total_price=’ '.join(total_price)

#print(total_price)

#=写入表格=============================

information = [recommend_project, house_type, sale_status,big_address,small_address,advantage,average_price,total_price]

information = np.array(information)

information = information.reshape(-1, 8)

information = pd.DataFrame(information, columns=[‘名称’, ‘类型’, ‘销售状态’,‘大地址’,‘具体地址’,‘优势’,‘均价’,‘总价’])

information.to_csv(‘贵阳房价.csv’, mode=‘a+’, index=False, header=False) # mode='a+'追加写入

print(‘第{0}页存储数据成功’.format(page))

else:

print(‘解析失败’)

#双线程===================

学好 Python 不论是就业还是做副业赚钱都不错，但要学会 Python 还是要有一个学习规划。最后大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！

一、Python所有方向的学习路线

Python所有方向路线就是把Python常用的技术点做整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

二、学习软件

工欲善其事必先利其器。学习Python常用的开发软件都在这里了，给大家节省了很多时间。

三、全套PDF电子书

书籍的好处就在于权威和体系健全，刚开始学习的时候你可以只看视频或者听某个人讲课，但等你学完之后，你觉得你掌握了，这时候建议还是得去看一下书籍，看权威技术书籍也是每个程序员必经之路。

四、入门学习视频

我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了。

五、实战案例

光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

六、面试资料

我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！