python 爬取中国房价行情网网站

本文介绍了如何使用Python编写爬虫程序,从中国房价行情网抓取房地产数据。通过提供的GitHub链接,可以获取名为HousePriceSpider.py的完整代码示例,帮助读者了解和学习网络爬虫的实现。
摘要由CSDN通过智能技术生成

HousePriceSpider.py

#!/usr/bin/env python
# -*- coding: utf-8 -*-
import json
import time
from multiprocessing import Pool, Manager, cpu_count
from urllib.parse import urljoin
import numpy as np
import pandas as pd
import hashlib
from lxml import etree
from ChinaHousePrice.session import SessionWrapper
from datetime import datetime
from ChinaHousePrice.common import AreaCodeDecoder
import pymysql
from sqlalchemy import create_engine
from ChinaHousePrice import config
from sqlalchemy.sql import text


class Spider(object):
    def __init__(self, prov, city, url):
        self.prov = prov
        self.city = city
        self.url = url
        self.__session = SessionWrapper(timeout=20)
        self.__href_d = self._district()
        self.city_data = self._city_data()

    def _district(self):
        href_d = {}
        res = self.__session.get(self.url)
        if res is None:
            return href_d
        html = etree.HTML(res.text)
        href_n = html.xpath("//span[@class='city-n']/a/@href")
        district_name_n = html.xpath("//span[@class='city-n']/a/span/text()")
        href_d.update(dict(zip(district_name_n, href_n)))
        href_w = html.xpath("//span[@class='city-w']/a/@href")
        district_name_w = html.xpath("//span[@class='city-w']/a/span/text()")
        href_d.update(dict(zip(district_name_w, href_w)))
        return href_d

    def _city_data(self):
        return self._district_all_data(np.nan, self.url + "?")

    def _district_all_data(self, district, url):
        params = ["", "?&type=newha", "?&type=lease", "?&type=lease&proptype=22", "?&proptype=22", "?&proptype=21",
                  "?&type=lease&proptype=22"]
        result = [self.prov, self.city, district]
        for u in params:
            url_ = url + u
            result += self._parse_by_xpath(url_)
            print("Crawl-->" + url_, self._parse_by_xpath(url_))
        # prov,city,district,住宅+二手房
  • 1
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
Python爬取小区房价通常涉及到虫技术,主要是利用Python的库如requests和BeautifulSoup、Scrapy等来抓取页数据。以下是一个简单的步骤概述: 1. **引入库**: 首先安装必要的库,比如`requests`用于发送HTTP请求获取页内容,`BeautifulSoup`或`lxml`用于解析HTML。 ```python import requests from bs4 import BeautifulSoup ``` 2. **制定URL**: 找到提供房价信息的网站,如各大房产中介网站或房地产信息发布平台的页面链接。 3. **发送请求**: 使用requests库向目标地址发起GET请求,并获取响应。 ```python url = "http://example.com/housing_prices" # 将此替换为实际的址 response = requests.get(url) ``` 4. **解析HTML**: 对返回的HTML内容使用BeautifulSoup解析,提取包含房价信息的部分(可能需要根据具体页结构定位)。 ```python soup = BeautifulSoup(response.text, 'html.parser') houses = soup.find_all('div', class_='house_price') # 类名可能不同,请根据实际页面调整 ``` 5. **提取房价信息**: 解析每个元素并提取出房价数值。 ```python prices = [float(price.get_text()) for price in houses] ``` 6. **存储或展示数据**: 可以将价格数据保存到文件或数据库,也可以直接打印出来查看。 ```python with open('housing_prices.txt', 'w') as file: file.write('\n'.join(map(str, prices))) print(prices) ``` 请注意,实际操作中可能遇到反机制、动态加载数据等问题,这时可能需要模拟登录、设置User-Agent、使用Selenium等更复杂的方法。此外,一定要遵守网站的robots.txt协议以及法律法规,尊重数据源。
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

打赏作者

远方的飞猪

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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