爬取链家二手房数据

1.导入工具

import requests
import parsel
import csv
from lxml import html 

2.请求网页响应,爬取数据,并将爬取到的文件写入文档

etree = html.etree      #解析字符串格式的HTML文档对象
headers ={
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/92.0.4515.107 Safari/537.36 Edg/92.0.902.55'
}


with open('5885_all_1.csv','w',encoding='utf-8', newline='') as my_csv:

    csv_writer = csv.writer(my_csv)

3.开始遍历想要爬取的页数

for page in range(1,30):
        url ='https://bj.lianjia.com/ershoufang/pg' + str(page) + '/'
        response = requests.get(url=url,headers=headers)          #向网站发起请求,并获取响应对象
        #print(page_text)
        tree = etree.HTML(page_text)

        selector = parsel.Selector(response.text)
        lis = selector.css('.sellListContent li')

4.开始提取网页数据

for li in lis:
            #print(1111111111)
            dit = {}
            title = li.css('.title a::text').get()
            dit['标题'] = title
            positionInfo = li.css('.positionInfo a::text').getall()
            info = '-'.join(positionInfo)
            dit['开发商'] = info
            houseInfo = li.css('.houseInfo::text').get()
            dit['房子信息'] = houseInfo
            followInfo = li.css('.followInfo::text').get()
            dit['发布周期'] = followInfo
            Price = li.css('.totalPrice span::text').get()
            dit['售价/万'] = Price
            unitPrice = li.css('.unitPrice span::text').get()
            dit['单价'] = unitPrice
            print(dit)

5.开始输出数据

csv_writer.writerow([dit['标题'],dit['开发商'],dit['房子信息'], dit['发布周期'], dit['售价/万'], dit['单价']])
        print('page',page,'ok')

6.数据可视化部分结果演示

 

 

 

  • 0
    点赞
  • 13
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
下面是使用Scrapy-redis链家二手价的代码: 1. 创建一个Scrapy项目 ``` $ scrapy startproject lianjia ``` 2. 修改settings.py配置文件,启用Redis ``` # 启用Redis调度器 SCHEDULER = "scrapy_redis.scheduler.Scheduler" # 启用Redis去重 DUPEFILTER_CLASS = "scrapy_redis.dupefilter.RFPDupeFilter" # 启用Redis队列 SCHEDULER_QUEUE_CLASS = "scrapy_redis.queue.SpiderPriorityQueue" # 设置Redis连接信息 REDIS_HOST = 'localhost' REDIS_PORT = 6379 ``` 3. 创建一个Spider ``` $ scrapy genspider lianjia_spider lianjia.com ``` 4. 修改lianjia_spider.py ``` # 引入RedisSpider from scrapy_redis.spiders import RedisSpider class LianjiaSpider(RedisSpider): name = 'lianjia_spider' allowed_domains = ['lianjia.com'] # 设定的初始链接 def start_requests(self): url = 'https://sh.lianjia.com/ershoufang/' yield scrapy.Request(url=url, callback=self.parse) # 解析二手列表页 def parse(self, response): # 获下一页链接并加入Redis队列 next_page = response.css('div.page-box a.next::attr(href)').get() if next_page is not None: next_page_url = response.urljoin(next_page) self.server.rpush('lianjia_spider:start_urls', next_page_url) # 解析二手信息 house_list = response.css('ul.sellListContent li.clear') for house in house_list: # 获屋名称和链接 name = house.css('div.title a::text').get() link = house.css('div.title a::attr(href)').get() # 获屋价格 price = house.css('div.totalPrice span::text').get() # 获屋面积和户型 area = house.css('div.houseInfo a::text').getall()[1] layout = house.css('div.houseInfo a::text').getall()[0] # 输出屋信息 print(name, link, price, area, layout) ``` 5. 运行虫 ``` $ scrapy runspider lianjia_spider.py ``` 6. 启动Redis队列 ``` $ redis-server ``` 7. 启动Redis Spider ``` $ scrapy runspider lianjia_spider.py ``` 运行后,Scrapy会将初始链接加入Redis队列,并从队列中获链接进行。当到列表页时,会将下一页的链接加入Redis队列,从而实现了分布式到的屋信息会输出到控制台。

“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
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