前言
大家好啊,我是小曼呀~
今天给宝宝们,带来采集二手房源数据信息并做可视化展示的教程。觉得还不错的宝宝请点个关注哦
环境使用:
- Python 3.8
- jupyter --> pip install jupyter notebook
- pycharm 也可以
模块使用:
- requests >>> pip install requests 数据请求模块
- parsel >>> pip install parsel 数据解析模块
- csv 内置模块
第三方模块安装:
- win + R 输入 cmd 点击确定, 输入安装命令 pip install 模块名 (pip install requests) 回车
- 在pycharm中点击Terminal(终端) 输入安装命令
如果出现爆红, 可能是因为 网络连接超时, 可切换国内镜像源,命令如下:
pip install -i https://pypi.doubanio.com/simple/ requests
python技术实现: <基本流程步骤>
- 发送请求, 模拟浏览器对于url地址发送请求请求链接地址: https://cs.****.com/ershoufang/
- 获取数据, 获取响应数据获取数据: 网页源代码 <整个网页数据内容>
- 解析数据, 提取我们需要数据提取数据: 房源基本信息
- 保存数据, 把数据保存本地文件保存数据: csv表格文件当中
- 多页数据采集
代码展示
获取数据:
# 导入csv模块
import csv
# 创建文件
f = open('data.csv', mode='w', encoding='utf-8', newline='')
# 添加字段名
csv_writer = csv.DictWriter(f, fieldnames=[
'标题',
'小区',
'区域',
'总价',
'单价',
'户型',
'面积',
'朝向',
'装修',
'楼层',
'年份',
'建筑结构',
'详情页'
])
# 写表头
csv_writer.writeheader()
# 导入数据解析模块 第三方模块, 需要安装
import parsel
# 导入数据请求模块 第三方模块 需要安装 pip install requests
import requests
for page in range(1, 101):
# 请求链接
url = f'https://cs.lianjia.com/ershoufang/pg{page}/'
# 伪装浏览器 --> headers 请求头
headers = {
# User-Agent 用户代理 表示浏览器基本身份信息
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/114.0.0.0 Safari/537.36'