一、项目分析
1、查询主页和详情页面的关系
得出数据关系:每一个 class 属性为 f-list-item ershoufang-list 的 div 包含着整个需要爬取数据的信息,且查询 ershoufang-list 为 42 个,说明这个属性没有重复,与一个页面42个房源信息对应。
2、需要爬取的数据的正则特征
1、房源信息
结论:需要查找的房源信息在 class 属性值为 js-title value title-font 的 a 标签中,因此正则表达式为:
<div.+?g-list".+?<a.+?js-title.+?>(.+?)</a> # (.+?)为提取数据
2、房源户型
结论:需要查找的房源户型在 class 属性值为 dd-item size 的 dd 标签下的第一个 span 中,因此正则表达式为:
#接着上面的正则往后写
.+?<dd.+?dd-item.+?<span>(.+?)</span>
3、房源面积
结论:需要查找的房源面积在房源户型后没有 class 属性值的 span 标签中,因此正则表达式为:
#接着上面的正则往后写
.+?<span>(.+?)</span>
4、房源走向
结论:需要查找的房源走向在房源面积后没有 class 属性值的 span 标签中,因此正则表达式为:
#接着上面的正则往后写
.+?<span>(.+?)</span