前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >python网络爬虫(12)去哪网酒店信息爬取

python网络爬虫(12)去哪网酒店信息爬取

作者头像
嘘、小点声
发布2019-07-31 17:27:01
1.4K0
发布2019-07-31 17:27:01
举报
文章被收录于专栏:嘘、小点声嘘、小点声

目的意义

爬取某地的酒店价格信息,示例使用selenium在Firefox中的使用。

来源

少部分来源于书。python爬虫开发与项目实战

构造

本次使用简易的方案,模拟浏览器访问,然后输入字段,查找,然后抓取网页中的信息。存储csv中。然后再转换为Excel,并对其中的数据进行二次处理。

代码

整个过程相当于获取网页,下载,然后粗糙的存储过程,最终完成。

不能理解的是,这样是使用了Phantomjs么。

代码语言:javascript
复制
from selenium import webdriver
from selenium.webdriver.support.wait import WebDriverWait
from selenium.webdriver.common.by import By
from selenium.webdriver.support import expected_conditions as EC
import re
import csv
import time


class goWhere():
    def __init__(self):
        self.toCity=u'焦作'
        self.driver=webdriver.Firefox()
        self.driver.get("https://hotel.qunar.com/")
        self.get_element()
        for i in range(30):
            self.get_response()
            self.parser_store()
            self.get_next_page()
        
    
    def get_element(self):
        self.elem_toCity=self.driver.find_element_by_name(u"toCity")
        self.elem_fromDate=self.driver.find_element_by_name(u"fromDate")
        self.elem_toDate=self.driver.find_element_by_name(u"toDate")
        self.elem_search=self.driver.find_element_by_class_name('search-btn')
        self.elem_toCity.clear()
        self.elem_toCity.send_keys(self.toCity)
        self.elem_search.click()
        
    def get_response(self):
        for i in range(5):
            try:
                WebDriverWait(self.driver,30).until(EC.presence_of_element_located((
                    By.CLASS_NAME,"item_price")))
                break
            except Exception as e:
                self.driver.refresh()
                print(e)
                if(i==10):
                    self.driver.close()
                    exit()
        js="window.scrollTo(0,document.body.scrollHeight);"
        self.driver.execute_script(js)
        time.sleep(5)
        self.all=self.driver.find_elements_by_class_name("b_result_bd")
        if(len(self.all)<16 or self.all[0].text==''):
            self.driver.refresh()
            self.get_response()

    def parser_store(self):
        pattern=re.compile('(.*\s?)')
        for each in self.all:
            each_text=re.findall(pattern, each.text)
            print(each_text)
            with open('text.csv','a',encoding='gb18030',newline='') as f:
                f_csv=csv.writer(f,)
                if len(each_text)==8:
                    each_text.pop(5)
                if len(each_text)==6:
                    each_text.insert(2,'None')
                f_csv.writerow(each_text)
        print('finished')
    
    def get_next_page(self):
        self.nextBtn=self.driver.find_element_by_class_name('next')
        self.nextBtn.click()

                
if __name__=='__main__':
    goWhere()
    print('task finish')

效果举例

二次处理的过程包括处理价格中的??,处理查看地图,处理礼品卡等字段,然后去掉起字,设定价格单元格为人民币格式。

后续

在实际操作过程中,有时网页不容易加载完成,有时加载正常。本次爬取的界面为26个左右共计780余数据。并没有完成数据爬取过程。

本文参与 腾讯云自媒体分享计划,分享自作者个人站点/博客。
原始发表:2019-07-16 ,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 目的意义
  • 来源
  • 构造
  • 代码
  • 效果举例
  • 后续
相关产品与服务
对象存储
对象存储(Cloud Object Storage,COS)是由腾讯云推出的无目录层次结构、无数据格式限制,可容纳海量数据且支持 HTTP/HTTPS 协议访问的分布式存储服务。腾讯云 COS 的存储桶空间无容量上限,无需分区管理,适用于 CDN 数据分发、数据万象处理或大数据计算与分析的数据湖等多种场景。
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档