Python抓取上海各地区房价平均值

作者:司开星

http://blog.csdn.net/chroming/article/details/46471155

Python写了一个抓取上海地区二手房价格的程序,Python2.7,数据来自赶集网。由于在赶集网查看房价不需要登录,所以程序也十分简单。程序代码如下:

源代码托管在:https://github.com/chroming/sh_house_price/

# -*- coding:utf-8 -*-import requestsimport re#本程序用于抓取赶集网上海各地区二手房房价均值,默认抓取页数为50页。#使用python语言,requests库抓取网页,re库用于正则抓取。print "本程序用于计算赶集上海二手区房价,单位万/平米"print ('''每个区对应代码如下:
0:显示上海所有区单独的平均房价;
1:浦东新区;
2:闵行区;
3:徐汇区;
4:长宁区;
5:普陀区;
6:静安区;
7:卢湾区;
8:黄浦区;
9:闸北区;
a:虹口区;
b:杨浦区;
c:宝山区;
d:嘉定区;
e:青浦区;
f:松江区;
g:金山区;
h:奉贤区;
i:南汇区;
j:崇明区;
k:上海周边;
''')#各地区页面代码num_area = {    '1':'http://wap.ganji.com/sh/fang5/pudongxinqu/o',    '2':'http://wap.ganji.com/sh/fang5/minhang/o',    '3':'http://wap.ganji.com/sh/fang5/xuhui/o',    '4':'http://wap.ganji.com/sh/fang5/changning/o',    '5':'http://wap.ganji.com/sh/fang5/putuo/o',    '6':'http://wap.ganji.com/sh/fang5/jingan/o',    '7':'http://wap.ganji.com/sh/fang5/luwan/o',    '8':'http://wap.ganji.com/sh/fang5/huangpu/o',    '9':'http://wap.ganji.com/sh/fang5/zhabei/o',    'a':'http://wap.ganji.com/sh/fang5/hongkou/o',    'b':'http://wap.ganji.com/sh/fang5/yangpu/o',    'c':'http://wap.ganji.com/sh/fang5/baoshan/o',    'd':'http://wap.ganji.com/sh/fang5/jiading/o',    'e':'http://wap.ganji.com/sh/fang5/qingpu/o',    'f':'http://wap.ganji.com/sh/fang5/songjiang/o',    'g':'http://wap.ganji.com/sh/fang5/jinshan/o',    'h':'http://wap.ganji.com/sh/fang5/fengxian/o',    'i':'http://wap.ganji.com/sh/fang5/nanhui/o',    'j':'http://wap.ganji.com/sh/fang5/chongming/o',    'k':'http://wap.ganji.com/sh/fang5/shanghaizhoubian/o'}#各地区显示代码area = {    '1':'浦东新区',    '2':'闵行区',    '3':'徐汇区',    '4':'长宁区',    '5':'普陀区',    '6':'静安区',    '7':'卢湾区',    '8':'黄浦区',    '9':'闸北区',    'a':'虹口区',    'b':'杨浦区',    'c':'宝山区',    'd':'嘉定区',    'e':'青浦区',    'f':'松江区',    'g':'金山区',    'h':'奉贤区',    'i':'南汇区',    'j':'崇明区',    'k':'上海周边'}#获得房价均值函数def get_price(numb):
    sp_list = []    for n in range(1,50): #抓取前50页
        url = num_area[numb]+str(n)
        urlpage = requests.get(url)
        urlpage.encoding = 'utf-8'
        urltx = urlpage.text

        size_price = re.findall(u'(\d+)\u33a1.*?(\d+)\u4e07\u5143',urltx,re.S)#从页面获取房价和面积
        for sp in size_price:
            sp_list.append(sp)

    priclist = []
    sum_pric = 0
    i = 0
    for sizepri in sp_list:#计算平均房价
        pric = round(float(sizepri[1])/float(sizepri[0]),2)      
        #print pric
        priclist.append(pric)
        sum_pric = sum_pric + pric
        i = i + 1

    print (area[numb]+"共获取二手房数量:"+str(i)+",平均房价为:"+str(round(float(sum_pric)/float(i),2))+"万元每平方")#获取输入区域def get_area():
    print('')
    areanum = str(raw_input("请输入需要查询的区代码,可一次输入多个代码:"))    if str(0) in areanum:#输入有0则计算全部区域
        for numbe in ('1','2','3','4','5','6','7','8','9','a','b','c','d','e','f','g','h','i','j','k'):
            get_price(numbe)    else:#输入无0则计算输入区域
        for numb in ('0','1','2','3','4','5','6','7','8','9','a','b','c','d','e','f','g','h','i','j','k'):            if str(numb) in areanum:                print numb
                get_price(numb)

get_area()

源代码托管在:https://github.com/chroming/sh_house_price/

不过由于赶集网二手房的内容基本都是广告,而且应该是官方合作的广告,因为所有页的数据都一直在变动。不过这不妨碍我们用它练手。当前抓取到的价格如下:

浦东新区共获取二手房数量:655,平均房价为:3.35万元每平方 闵行区共获取二手房数量:640,平均房价为:2.52万元每平方 徐汇区共获取二手房数量:640,平均房价为:3.95万元每平方 长宁区共获取二手房数量:643,平均房价为:3.57万元每平方 普陀区共获取二手房数量:647,平均房价为:2.91万元每平方 静安区共获取二手房数量:559,平均房价为:5.19万元每平方 卢湾区共获取二手房数量:576,平均房价为:4.86万元每平方 黄浦区共获取二手房数量:638,平均房价为:4.42万元每平方 闸北区共获取二手房数量:640,平均房价为:3.23万元每平方 虹口区共获取二手房数量:641,平均房价为:3.15万元每平方 杨浦区共获取二手房数量:647,平均房价为:3.1万元每平方 宝山区共获取二手房数量:650,平均房价为:2.16万元每平方 嘉定区共获取二手房数量:644,平均房价为:1.47万元每平方 青浦区共获取二手房数量:641,平均房价为:1.51万元每平方 松江区共获取二手房数量:640,平均房价为:1.68万元每平方 金山区共获取二手房数量:638,平均房价为:0.81万元每平方 奉贤区共获取二手房数量:638,平均房价为:2.98万元每平方 南汇区共获取二手房数量:640,平均房价为:1.9万元每平方 崇明区共获取二手房数量:637,平均房价为:0.91万元每平方 上海周边共获取二手房数量:647,平均房价为:0.61万元每平

原文发布于微信公众号 - 大数据挖掘DT数据分析(datadw)

原文发表时间:2016-07-02

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏域名资讯

外媒:域名Covermate.com超35万终端交易

近段时间,域名圈仍爆出了不少好米交易,我们来看看是哪些域名。

2398
来自专栏机器人网

常见机械设备的构造及原理(动态图)

一、发动机 1、直列式发动机 ? 2、V型发动机 ? 3、水平对置发动机 ? 4、转子发动机 ? ? 5、飞机星形发动机 ? 二、汽车手动变速器 ? 三、...

3638
来自专栏机器人网

如何选择机器人电机

在机器人中,执行机构一般分为液压驱动和电机驱动两种类型,其中又以电机驱动最为常见。本文主要讨论一般机器人驱动机构中电机的选择问题。 机器人中常用的电机分为有刷...

3963
来自专栏数据小魔方

财经小知识——CRS风暴与全球离岸金融中心

2017年元旦,中国政府开始正式启动CRS,听起来好高端哦,但是管我屁事! 先别着急,如果你有大量的资产或者收入配置在海外,这个真的就关你的事儿了,那么具体CR...

2847
来自专栏域名资讯

changhuxi.com8万被秒已建站

三拼域名changhuxi.com上个月一口价8万元被秒。近日,有消息称,changhuxi.com已经被建站了,而且建站主体正是畅呼吸科技(成都)有限公司。

2160
来自专栏华章科技

分析一天1000万北京地铁客流,我们发现...

942
来自专栏阮一峰的网络日志

世界海底光缆分布图

海底光缆是国际互联网的骨架。光缆的多少,代表一国与互联网的联系是否紧密。 有人利用微软的Bing地图,以及wikipedia的数据,做出了一幅互动式的世界海底光...

1K7
来自专栏智能计算时代

What's The Future Of Cognitive Computing? IBM Watson

By Jay Bellisimo, IBM Watson Group We are entering a new period of computing his...

2919
来自专栏CDA数据分析师

淘宝重口味大数据:十二星座男到底哪个不能嫁?

临近年关,各种大数据报告都出现了。今天,淘宝也玩了一出大数据,汇总了10条不能嫁的“汉子”。 具体来说,江苏狮子座的男子最败家,因为他们经常把钱花在艺术品和烟...

1978
来自专栏机器人网

超多机械结构的动态原理图,工程师一眼看懂

汽车换挡机制 ? 舰炮弹药装填系统 ? 蒸汽机 ? 火车的推进原理 ? 水平对置式发动机——汽缸排列在发动机相对的两个平面上,斯巴鲁,保时捷911用的是这种...

3114

扫码关注云+社区