网址
https://bj.58.com/ershoufang/
直接对网页进行分析,可以看到,section class=list这个里面包含了所有我们想要的信息。再往下分析,下面div下面都存储了单个二手房的所有讯息,再往下走会发现h3标签就是我们要爬取的标题信息。
开始
1.将整张页面爬取
2.将爬下来的页面树化
3.通过树化的内容找到我们需要的标题内容
import requests
from lxml import etree
url='https://bj.58.com/ershoufang/'
headers={
'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/89.0.4389.90 Safari/537.36 Edg/89.0.774.57'
}
#获取整张数据
page_text=requests.get(url=url,headers=headers).text
#将得到的数据树化
tree=etree.HTML(page_text)
#获取整个数据
div_list=tree.xpath('//section[@class="list"]/div')
#创建文件
fp=open('./58fangyuan.txt','w',encoding='utf-8')
#获得数据中的标题
for div in div_list:
an=div.xpath('.//div[@class="property-content-title"]/h3/text()')[0]
print(an)
fp.write(an+'\n'+'.\n')
这是整个代码