Python爬取武汉店铺出租转让信息

Python爬取武汉店铺出租转让信息

摘要：由于有亲戚想到武汉发展，开个店面做点小生意，实地考察的效率不算太高，于是乎就在网上收集相关的转让信息，做第一步筛选，希望能够起到一些作用~
技术组合：requests + BeautifulSoup + json

1. 爬虫第一步是找网站，找规律
   这里我选择的 今天信息网
   
   分析其url不难发现其中包含了许多的信息，url：http://wh.jintianxinxi.com/zhuanrang/store_type-1-acreage-1~30-page-1/
   一共有390条信息，他们不可能把390条信息放在一张网页上，于是分成了15页
   其中的 page-1 为我们很好的指明了方向
   这样就可以很容易的通过循环完成对15个网页的信息爬取

2. 解析数据用的是 BeautifulSoup 的 selec() 函数
   其具体操作流程如下：
   选取需要的信息，审查元素，然后复制选择器
   
   第二步就是将该字符串作为 selec() 函数的传递参数了，具体可以参考
   https://blog.csdn.net/amao1998/article/details/82663978
   讲解的还是比较细致

3. 以 json 格式保存数据，先将数据以 字典 的格式进行存储，然后转化成 json 格式，以追加的形式打开文件，进行写入。

附上源码：

import requests
from bs4 import BeautifulSoup
import json

#避免解析出来的信息为空，从而抛出错误
def transText(text):
    if text!=[]:
        text=text[0].getText()
    else:
        text = ''
    return text

#以json格式保存数据
def save_info(info):
    with open("商铺信息.json",'a',encoding='utf-8') as f:
        f.write(json.dumps(info,ensure_ascii=False,indent=4))

#发出请求，粗加工返回的内容
def get_url(url,headers):
    response = requests.get(url, headers=headers)
    #通过response.apparent_encoding分析页面可能的编码方式，然后编码
    response.encoding = response.apparent_encoding
    html = response.text
    return html

#使用BeautifulSoup解析数据
def parse_soup(html):
    soup = BeautifulSoup(html, 'html.parser')
    shop_list = soup.select('body > div.body1000 > div.bodybgcolor > div > div.body1000 > div.infolists > div.section > ul > div ')
    for i in range(1,len(shop_list)):
        shop = shop_list[i]
        info = {}
        info["标题"] = transText(shop.select('div > div.media-body-title > a'))
        info["简介"] = transText(shop.select('div > div.typo-small'))
        info["地区"] = transText(shop.select('div > div.typo-smalls > font.xx1'))
        info["类型"] = transText(shop.select('div > div.typo-smalls > font.xx2'))
        info["面积"] = transText(shop.select('div > div.typo-smalls > font.xx3'))
        info["租金"] = transText(shop.select('div > div.typo-smalls > font.xx4'))
        info["位置"] = transText(shop.select('div > div.typo-smalls > font.xx6'))
        info["转让费"] = transText(shop.select('div > div.typo-smalls > font.xx7'))

        save_info(info)

if __name__ == "__main__":
    headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/55.0.2883.87 Safari/537.36'}
    for j in range(1,16):
        print('***第{}页***'.format(j))
        url = "http://wh.jintianxinxi.com/zhuanrang/store_type-1-acreage-1~30-page-{}/".format(j)
        html = get_url(url,headers)
        parse_soup(html)
    print("OVER!")

最终效果图：

一共390条信息，一条信息占据9行，390*9=3510，至此，所有信息采集完成，完结撒花~