python爬取58同城_python爬虫 爬取58同城商品信息

title: python爬虫 爬去58同城二手平板电脑信息

tags: python,爬虫

grammar_cjkRuby: true

爬去http://bj.58.com/pbdn/0/pn2/中除转转、推广商品以外的产品信息

# coding:utf-8

# 爬取58同城二手电脑信息

# 进入http://bj.58.com/pbdn/0/pn2/页面

# 爬取列表中除转转、推广商品外的正常商品

from bs4 import BeautifulSoup

import requests

import time

def get_links_from(who_sells): # 爬取列表中除转转、推广商品外的正常商品爬取列表中除转转、推广商品外的正常商品的连接

urls = []

list_view = 'http://bj.58.com/pbdn/{}/pn2/'.format(str(who_sells))

wb_data = requests.get(list_view)

soup = BeautifulSoup(wb_data.text, 'lxml')

# 通过对页面分析 发现商品链接在 tr > td.t > a.t 中

for link in soup.select('tr td.t a.t'):

if len(link.get('href').split('?')[0]) == 53: # 因为转转商品也符合 tr > td.t > a.t,要排除，观察发现正常商品链接

# 的长度为53, 可通过字符串长度筛选去正常的连接

urls.append(link.get('href').split('?')[0])

return urls

def get_views(url):

id = url.split('/')[-1].strip('x.shtml')

api = 'http://jst1.58.com/counter?infoid={}'.format(id)

js = requests.get(api)

views = js.text.split('=')[-1]

return views

def get_item_info(who_sells=0): #

urls = get_links_from(who_sells)

for url in urls:

time.sleep(2)

web_data = requests.get(url)

soup = BeautifulSoup(web_data.text, 'lxml')

data = {

'title': soup.title.text,

'price': soup.find_all('span', 'price c_f50')[0].text,

'area': list(soup.select('.c_25d')[0].stripped_strings) if soup.find_all('span','c_25d') else None,

'date': soup.select('.time')[0].text,

'cate': '个人' if who_sells == 0 else '商家',

'views': get_views(url)

}

print(data)

get_item_info()