##练习1:我爱我家二手房数据爬取
#加载所需的包
rm(list=ls())
library(xml2)
library(rvest)
library(dplyr)
library(stringr)
#对爬取页数进行设定并创建数据框
i<-1:10
house_inf<-data.frame()
#使用for循环进行批量数据爬取(发现url的规律,写for循环语句)
for (i in 1:10){
web<- read_html(str_c("https://sh.5i5j.com/ershoufang/n",i),encoding="UTF-8")
#单页面测试
#web<- read_html(str_c("https://sh.5i5j.com/ershoufang/n"),encoding="UTF-8")
#用SelectorGadget定位节点信息并爬取房名
title<-web%>%html_nodes(".listTit a")%>%html_text()
adress<-web%>%html_nodes(".listX a")%>%html_text()
#获取户型、面积、朝向、楼层、装修等信息,学习正则表达式啊
tem<-web%>%html_nodes("body > div.pListBox.mar > div.lfBox.lf > div.list-con-box > ul > li > div.listCon > div.listX > p:nth-child(1)")%>%html_text()
#爬取二手房基本信息并根据空格切词
label<-web%>%html_nodes("body > div.pListBox.mar > div.lfBox.lf > div.list-con-box > ul > li > div.listCon > div.listTag")%>%html_text()
#label1<-web%>%html_nodes("body > div.pListBox.mar > div.lfBox.lf > div.list-con-box > ul > li > div.listCon > div.listTag > span:nth-child(1)")%>%html_text()
#label2<-web%>%html_nodes("body > div.pListBox.mar > div.lfBox.lf > div.list-con-box > ul > li > div.listCon > div.listTag > span:nth-child(2)")%>%html_number()
price<- web %>% html_nodes("body > div.pListBox.mar > div.lfBox.lf > div.list-con-box > ul > li > div.listCon > div.listX > div > p.redC > strong")%>%html_text()
unitprice <- web%>% html_nodes("body > div.pListBox.mar > div.lfBox.lf > div.list-con-box > ul > li > div.listCon > div.listX > div > p:nth-child(2)")%>%html_text()
#创建数据框存储以上信息
house<-data_frame(title,adress,tem,label,price,unitprice)
house_inf<-rbind(house_inf,house)
}
#将数据写入csv文档
write.csv(house_inf,file="D:/5i5j5.csv")
R语言爬虫实践(下):练习笔记1
最新推荐文章于 2023-03-06 09:14:37 发布