爬取贝壳网深圳二手房实战

       完整走一遍从数据爬取下来到完成数据预测的流程，这次先把爬取数据整出来。爬取的内容是深圳龙岗区的二手房数据，一共有3000条。

- 先把要用的包导进来

import re
import xlwt
import requests
import collections
from bs4 import BeautifulSoup

- 解析网站
       由于每个页面的链接都是pg+页数，所以这里再解析网站的时候直接对翻页爬取也做了处理

page = 1 
longgang_url = 'https://sz.ke.com/ershoufang/longgangqu/pg'
pre_url = longgang_url+str(page)
html = requests.get(pre_url).text
house = BeautifulSoup(html,'html.parser')

- 确定爬取网页内容
       红色框圈主的为此次要爬取的内容，这部分最难的还是“中楼层 (共30层) 5室2厅 | 165.61平米 | 南”，因为我想把这一整条标签切割成一段一段的格式，方便后期数据预测要使用这个特征。

- 查看所需爬取内容对应的标签并实现爬取

       接下来的爬取内容均在for循环里面，此处的循环是针对翻页的循环（一共有100页）。

for page in range(101):

1. 房子名称对应的标签如下

       爬取内容如下

name=[]
#房名
pre_name = house.find_all('a', class_='VIEWDATA CLICKDATA maidian-detail')
for each in pre_name:
	name.append(each.text)

2. 房子位置对应的标签如下

       爬取内容如下，如果不做正则表达式匹配处理的话会遇到下面这种情况，严重影响美观。

       所以这边用正则表达式来匹配我们需要的文字信息，匹配处理完的数据是个列表，所以我们还需要把列表中的数据取出来再插入position的列表里。

position=