爬取某家网二手房数据（详细教程）

今天分享一篇爬虫教程，文章比较细致，适合刚上手的小白，老读者可以酌情加速阅读
文中涉及的代码已经测试过，可以正常跑通，文章案例的所有数据也已经成功爬取。

---

项目描述：

今天要分享的教程是爬取各大城市的二手房数据，实现这篇爬虫也可融汇贯通到其他相关项目。

---

项目实施：

1. 确定目标

我们的目标官网链接是：https://www.lianjia.com/
对应的某个城市的二手房页面应该是：https://sz.lianjia.com/ershoufang/
JN 代表城市济南的简写，对应的青岛是 QD。

⚠️⚠️⚠️：有两个页面需要注意，第一个页面是打开某个地区二手房链接之后显示的列表页面，第二个页面是点击某个二手房的链接之后跳转的房屋详细数据页面
列表页面

房屋详细信息页面

1.1 先来说第一个页面

这个页面包括三部分，最上面的搜索部分、中间的列表部分、下面的翻页部分。
上面的搜索部分看似无用，但也暗藏玄机。
举个最直观的例子：在某个搜索条件下，例如济南，对应的清单中有 55809 条记录
而你将页面拉到最下面进行翻页，发现实际只有 100 页可供操作

根据每一页只有 30 条数据的官方设置，如果不设置搜索条件，只能拿到 3000 条数据
所以，要想获取全部数据，第一个搜索功能就派上用场了。
但是，添加搜索必然会提高整个程序的复杂度，特别是现在有如此多的搜索条件

综上，我们可以选择的解决方式是筛选出重要且能完美区分的搜索条件，例如：区域+户型+朝向

上述设置的目的是：

通过条件设置之后，通过筛选 xx区 的数据，发现数据大于 3000条，则利用户型是 x居室 的进行二次筛选，如果发现仍大于 3000条，再次通过朝x向进行第三次筛选，基本上到了第三次筛选之后，我们可以拿到我们想要的数据。

筛选条件除了每个城市的区域没法固定外，居室和朝向都是固定的
通过F12查看源码可以看到居室和朝向对应的定位如下：

所以我们可以在代码中这样呈现：

# 户型：一室、二室、三室、四室、五室、五室+  
self.rooms_number = ['l1', 'l2', 'l3', 'l4', 'l5', 'l6']  
# 朝向：朝东+朝南+朝西+朝北+南北  
self.orientation = ['f1', 'f2', 'f3', 'f4', 'f5']

1.2中间的列表部分

列表部分有 3 个信息需要注意，如下图：

分别是：小区名+区域、价格以及其他标签

如果这些信息已经可以满足数据需求，那对应的爬虫只需要获取这个页面的数据，不需要分析第二个页面了，工作难度就下降了

如果还需要更详细的二手房指标，例如：挂牌时间、抵押情况、产权等数据，那就需要分析第二个页面了

下面的翻页部分：

翻页部分原理比较简单，通过多次点击下一页按钮，观察新页面的 url 链接就能发现规律

例如：https://sz.lianjia.com/ershoufang/luohuqu/pg2l1/ 中的 pg2 对应的是第二页的数据而 l1 在前面我们已经知道是一居室的意思，所以对应的翻页页面的 url 规则应该是：

主网页+区域+pg页码+居室

在翻页遍历的过程中只需要更改 pg页码 即可。

1.3 第二个页面

第二个页面是通过第一个页面点击跳转的：

通过点击图中的标签，