爬取链家数据3

1、直接上代码: 

#coding:utf-8
import sys
reload(sys)
sys.setdefaultencoding("utf-8")
import pandas as pd
import urllib2
import urllib
import time
import re
from bs4 import BeautifulSoup

totalPrice=[]
houseinfo=[]
followinfo=[]
for i in range(1,3):
    #读取指定网页的内容
    myurl="http://hz.lianjia.com/ershoufang/pg"+str(i)
    req = urllib2.Request(myurl)
    myResponse = urllib2.urlopen(req)
    myPage = myResponse.read()
    unmyPage = myPage.decode('utf-8')

    #匹配房源的总价
    c1=re.findall('<div.*?class="totalPrice".*?><span>(.*?)</span>(.*?)</div>',unmyPage,re.S)
    for item in c1:
        newitem=item[0]+item[1]
        totalPrice.append(newitem)
        #print newitem

    #匹配房源信息
    c2=re.findall('data-el="region">(.*?)</div>',unmyPage,re.S)
    for item in c2:
        item=re.sub('</a>','',item)  #将</a>替换掉
        houseinfo.append(item)

    #匹配房源关注度
    c3=re.findall('<span.*?class="starIcon"></span>(.*?)</div>',unmyPage,re.S)
    for item in c3:
        followinfo.append(item)

house=pd.DataFrame({'totalprice':totalPrice,'houseinfo':houseinfo,
    'followinfo':followinfo})
print house,house.index
print house.head()

#使用pandas对数据进行清洗
houseinfo_split = pd.DataFrame((x.split('|') for x in house.houseinfo),index=house.index,
    columns=['小区','户型','面积','朝向','装修','电梯'])
print houseinfo_split

运行结果:

G:\python2.7\python.exe E:/python37/jiebacut_01/DateCrawler/lianjia/lianjia3.py
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
Python爬取链家(Zillow)数据进行分析是一个常见的数据获取和处理任务,通常用于房地产市场的研究或个人项目。以下是使用Python进行链家数据分析的基本步骤: 1. **安装必要的库**: - `requests`:用于发送HTTP请求获取网页内容。 - `BeautifulSoup` 或 `lxml`:解析HTML文档提取所需数据。 - `pandas`:处理和分析数据,存储为数据框。 - `re`(正则表达式):用于处理和清洗URL、HTML标签等文本数据。 - `selenium`(可选):如果网站有反爬虫机制,可能需要模拟浏览器行为。 2. **获取HTML源码**: - 使用`requests.get()`获取链家网站特定页面的HTML源码。 - 处理可能出现的登录验证或动态加载数据的情况。 3. **解析HTML**: - 使用BeautifulSoup或lxml解析HTML,查找包含所需数据的元素(如房屋信息、价格等)。 4. **数据提取**: - 根据页面结构,定位并提取出所需的数据,例如房屋地址、价格、面积等。 5. **数据清洗**: - 去除无关字符,处理缺失值或格式不一致的问题。 - 将数据转换为可分析的格式(如日期格式化)。 6. **数据分析**: - 利用pandas进行数据处理,计算统计指标(如平均房价、价格分布等)。 - 可视化数据:使用matplotlib、seaborn或Plotly等库绘制图表,展示分析结果。 7. **存储数据**: - 将清洗和分析后的数据保存到CSV、Excel、数据库或数据仓库中,以便后续进一步分析或分享。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
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