python 爬虫:链家二手房信息爬取练习

#get 链家二手房信息
# import requests #比较好用
# res = requests.get('https://bafdidu.com.cn')
# res.raise_for_status()
import requests,lxml,os
from bs4 import BeautifulSoup
header = {
    "Host": 'bj.lianjia.com',
    "User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.25 Safari/537.36 Core/1.70.3741.400 QQBrowser/10.5.3863.400"}
def get_url(url):
    #params是该对象的一个成员变量,是一个数组 getRequest()返回一个对象
    res=requests.get(url,headers=header)   #res=requests.Request(url,headers='',)
    # res.raise_for_status()   #   =print(res.ok)
    # print(res.text)
    #~~~~~~~~~出错返回错误码
    if res.status_code==200:
        # print(res.text)
        return res.text  #没有保存
    else:
        print(url,header)
        return print(res.status_code)
    # res.encoding='utf-8'  #指定编码
    # print(res.status_code)  #返回代码

    #——————————
    # f = open('Lianjia.html', 'wb')
    # for chunk in res.iter_content(100000):
    #     f.write(chunk)   #100000  #78981
    # f.close()
    # pass
def get_all_url(html):
    soup=BeautifulSoup(html,'lxml')
    title=soup.select('div.info.clear .title a')  #一种方式
    # href=title[5].get('href')
    #另外一种方式,点进去 获取里面的内容
    # print(href)
    all_url=[]
    for i in title:
        href = i.get('href')
        all_url.append(href)
    return all_url
    # return passar_html(html)
def parser_info(info_html):

    soup=BeautifulSoup(info_html,'lxml')
    title = soup.select('.title .main')[0].text #名字】
    total = soup.select('span.total')# 售价
    pv = soup.select('.unitPriceValue')# 每平米  1
    name = soup.select('a.info')# 小区名字
    base = soup.select('.base .content')# 基本属性
    transaction = soup.select('.transaction .content')# 交易总属性
    l_trans=soup.select('.transaction .content li')# 8中分类属性
    # l_t=
    # print((l_trans[6].text).split()[0],(l_trans[6].text).split()[1])
    # print(l_trans[0].text,l_trans[1].text)
    # print(title,type(title))
#TODO:JOIN方法使用。及daf 数据传输 .spli()  #'抵押信息    无抵押
    data= ', '.join([
        title,
        total[0].text+"万",
        pv[0].text,
        name[0].text,
        str(base[0].text).strip()+'\n',
        l_trans[0].text.strip()+'\n',
        l_trans[1].text.strip()+'\n',
        l_trans[2].text.strip()+'\n',
        l_trans[3].text.strip()+'\n',
        l_trans[4].text.strip()+'\n',
        (l_trans[5].text).strip()+'\n',
        (l_trans[6].text).split()[0]+'\n',
        (l_trans[6].text).split()[1]+'\n',
        l_trans[7].text.strip()+'\n'+'\n'
        #transaction[0].text
     ])
    # print(data)
    return data
def save_f(data):
    f=open('Lian_info.txt','a',encoding='GBK')
    f.write(data)
#         data:    iter_content erro

def main(url):
    pass


if __name__=='__main__':
    url='https://bj.lianjia.com/ershoufang/'
    html=get_url(url)

    get_url(url)
    all_urls=get_all_url(html)
    # print(all_urls)
    #所有的URL调用GEt方法
    for url in all_urls:
        info_html=get_url(url)
        parser_info(info_html)
        data = parser_info(info_html)

        save_f(data)
        # print(info_html)
    main(url)
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值