目录
抓取链家前十页的数据
链家网址：长沙房产网_长沙房地产_长沙房产门户(长沙链家网)
计算均价和总价
import time
from selenium import webdriver
from selenium.webdriver.common.by import By
driver = webdriver.Chrome()
driver.get("https://cs.lianjia.com/zufang/rs岳麓区/")
# 总价
total = 0
# 记录房间个数
size = 0
for i in range(2):
elements = driver.find_elements(By.CSS_SELECTOR, '.content__list--item--main')
print(f"第{i+1}页的数据：")
for el in elements:
# 获取租房标题
name = el.find_element(By.CSS_SELECTOR, '.content__list--item--title a').text
# 判断是否包含独栋信息
if name.__contains__("独栋"):
continue
# 获取租房的价格
price = el.find_element(By.CSS_SELECTOR, '.content__list--item-price em').text
print(f"name={name},price={price}")
total += float(price)
# 记录房间的个数
size += len(elements)
# 点击下一页
driver.find_element(By.CSS_SELECTOR,'a.next').click()
# 模拟睡眠6秒
time.sleep(2)
print(f"总价：{total}，岳麓区的租房均价为：{total/size}")
计算的类型（整租，合租）
str = """
name=整租·万科里金域国际 4室2厅 南,price=4500
name=独栋·魔方公寓 长沙航天溪湖店 连锁公寓直租无中介费 1室1厅,price=1800
name=整租·潇湘奥林匹克花园 1室1厅 南,price=2200
name=合租·达美美立方 5居室 复式 南卧,price=999
name=整租·万科里金域国际 3室2厅 南,price=3400
"""
# 计算的类型（整租，合租）
print("整租：", str.count("整租"))
print("合租：", str.count("合租"))
计算的房型
由于在爬取的数据中存在“居室”和“室”的区别，所以请将所有的“居室”数据替换成“室”。
str = """
name=整租·万科里金域国际 4室2厅 南,price=4500
name=独栋·魔方公寓 长沙航天溪湖店 连锁公寓直租无中介费 1室1厅,price=1800
name=整租·潇湘奥林匹克花园 1室1厅 南,price=2200
name=合租·达美美立方 5居室 复式 南卧,price=999
name=整租·万科里金域国际 3室2厅 南,price=3400
"""
import re
import collections
st = str.replace('居室','室')
rs = re.findall(r'\d室',st)
print(rs)
print(collections.Counter(rs))
完整可执行且标注代码
import time
from selenium import webdriver
from selenium.webdriver.common.by import By
driver = webdriver.Chrome()
driver.get("https://cs.lianjia.com/zufang/rs岳麓区/")
# 总价
total = 0
# 记录房间个数
size = 0
for i in range(2):
elements = driver.find_elements(By.CSS_SELECTOR, '.content__list--item--main')
print(f"第{i+1}页的数据：")
for el in elements:
# 获取租房标题
name = el.find_element(By.CSS_SELECTOR, '.content__list--item--title a').text
# 判断是否包含独栋信息
if name.__contains__("独栋"):
continue
# 获取租房的价格
price = el.find_element(By.CSS_SELECTOR, '.content__list--item-price em').text
print(f"name={name},price={price}")
total += float(price)
# 顶部滚到底部
driver.execute_script('window.scrollTo(0,document.body.scrollHeight);')
# 记录房间的个数
size += len(elements)
# 点击下一页
driver.find_element(By.CSS_SELECTOR,'a.next').click()
# 模拟睡眠6秒
time.sleep(2)
print(f"总价：{total}，岳麓区的租房均价为：{total/size}")抓取boss直聘前十页的数据
boss直聘网址：BOSS直聘-找工作上BOSS直聘直接谈！招聘求职找工作！
抓取boss直聘前十页的数据
其中参数city=101020100是中国天气网全城市代码weather_cityId。
from selenium import webdriver
from selenium.webdriver.common.by import By
import time
driver = webdriver.Chrome()
driver.get("https://www.zhipin.com/web/geek/job?query=java&city=101020100")
jobs = []
for i in range(3):
time.sleep(6)
elements = driver.find_elements(By.CSS_SELECTOR, ".job-card-wrapper")
for el in elements:
# 获取地区
area = el.find_element(By.CSS_SELECTOR,"span.job-area").text
# 获取薪酬
salary = el.find_element(By.CSS_SELECTOR,"span.salary").text
print(f"area={area},salary={salary}")
jobs.append({
'area':area,
'salary':salary
})
driver.find_element(By.CSS_SELECTOR,".selected+a").click()
print(jobs)
将获取数据本地序列化
Python的pickle模块是一种用于序列化（将对象转换为字节流）和反序列化（将字节流转换回对象）Python对象的工具。它可以将Python对象保存到文件中或从文件中加载对象。
pickle模块还有其他一些有用的函数和特性。以下是一些常见的功能：
-
pickle.dumps(obj)：将对象序列化为字节流，但不保存到文件中。 -
pickle.loads(bytes_obj)：从字节流中加载对象，而不是从文件中加载。 -
pickle.dump(obj, file)：将对象序列化并保存到文件中。 -
pickle.load(file)：从文件中加载序列化的对象。
# 将获取到的结果保存到本地
p = Path("jobs.txt")
p.touch()
# 通过pickle.dump实现数据序列化
pickle.dump(jobs,p.open(mode="wb"))
计算每个区的需求个数与均价
# 计算每个区的需求个数与均价
jobs = pickle.load(open('jobs.txt',mode="rb"))
print(jobs)
areas=list(map(lambda a: "".join(re.findall(r'.*?·(.*?)·.*?',a['area'])),jobs))
print(areas)
import collections
rs = collections.Counter(areas)
for k,v in rs.items():
print(f"【{k}】的工作岗位需求数：{v}")
# 获取该区的工作集合
ps = list(filter(lambda e: e['area'].count(k) > 0, jobs))
# 获取该区的薪酬总价
total = functools.reduce(lambda a,b:a+int(b['salary'].split('-')[0]),ps,0)
print(f"该区的工作入门平均薪酬：{total/len(ps)}")
完整可执行且标注代码
序列化
import json # 导入json模块，用于处理JSON数据
import time # 导入time模块，用于延时操作
from selenium import webdriver # 导入selenium的webdriver模块，用于自动化浏览器操作
from selenium.webdriver.common.by import By # 导入selenium的By模块，用于定位元素
driver = webdriver.Edge() # 初始化Edge浏览器的WebDriver实例
driver.get("") # 访问BOSS直聘网站的URL，这里需要替换为实际的URL
jobs = [] # 初始化一个空列表，用于存储抓取的职位信息
# try:
for i in range(2): # 循环两次，假设只抓取两页的数据
print(f'正在获取第{i+1}页数据') # 打印当前正在抓取的页码
time.sleep(20) # 等待20秒，让页面加载完成
items = driver.find_elements(By.CLASS_NAME,'job-card-wrapper') # 查找所有具有'job-card-wrapper'类名的元素
for item in items: # 遍历这些元素
addr = item.find_element(By.CLASS_NAME,'job-area') # 在每个元素中查找具有'job-area'类名的元素
price = item.find_element(By.CLASS_NAME,'salary') # 在每个元素中查找具有'salary'类名的元素
print(addr.text, price.text) # 打印地址和薪资信息
jobs.append({ # 将地址和薪资信息添加到jobs列表中
'area': addr.text,
'salary': price.text
})
# 它表示选取所有紧接在类为"selected"的元素后面的同级元素中的标签为"a"的元素
driver.find_element(By.CSS_SELECTOR,'.selected+a').click() # 点击下一页的链接
print(jobs) # 打印所有抓取到的职位信息
# 序列化
with open("jobs.json","w",encoding='utf-8') as fp: # 打开或创建一个名为"jobs.json"的文件，准备写入
# ensure_ascii=False (关闭默认阿斯玛写入方式)
json.dump(jobs, fp, ensure_ascii=False, indent=2) # 将jobs列表中的数据序列化为JSON格式，并写入文件，格式化输出
# except Exception as ex:
# print(ex) # 这行代码被注释掉了，它用于捕获并打印异常信息反序列化
import json # 导入json模块，用于处理JSON数据
import re # 导入re模块，用于正则表达式操作
from collections import Counter # 导入Counter类，用于计数
jbos = [] # 初始化一个空列表，用于存储从JSON文件中加载的职位信息
# 反序列化
with open('jbos.json', 'r', encoding='utf-8') as fp: # 打开名为'jbos.json'的文件，准备读取
jbos = json.load(fp) # 从文件中加载JSON数据到jbos列表中
print(jbos) # 打印加载的职位信息列表
# 提取区名
def extract_district(job: dict): # 定义一个函数，用于从职位信息中提取区域名称
match = re.search(r'·([^·]+区)·', job['area']) # 使用正则表达式匹配职位区域名称
if match: # 如果匹配成功
return match.group(1) # 返回匹配到的区域名称
return "" # 如果没有匹配到，返回空字符串
arears = list(map(extract_district, jbos)) # 使用map函数和extract_district函数，将jbos列表中的每个职位映射到其区域名称，生成一个新的列表arears
print(arears) # 打印提取的区域名称列表
# 统计每个区出现的次数
dict = Counter(arears) # 使用Counter类统计arears列表中每个区域出现的次数
print(dict) # 打印区域出现次数的统计结果
for k, v in dict.items(): # 遍历统计结果中的每个区域及其出现次数
print(f'{k}有{v}条招聘信息') # 打印每个区域的招聘信息数量
total = 0 # 初始化总薪水变量
count = 0 # 初始化计数器
for job in jbos: # 遍历所有职位信息
if job['area'].__contains__(k): # 如果职位区域包含当前区域
total = total + int(re.search(r'(\d+?)-', job['salary']).group(1)) # 将薪水转换为整数并累加到总薪水
count += 1 # 增加计数器
print(f'平均薪水{total}') # 打印当前区域的平均薪水
1386
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
