手把手教你利用Python网络爬虫获取链家网的房产信息

用户7466307

发布于 2020-06-16 19:54:28

5610

发布于 2020-06-16 19:54:28

文章被收录于专栏：用户7466307的专栏用户7466307的专栏

/1 前言/

随着人们生活方式的的提高，房子成为了我们必不可少的一部分。而网上的信息太过于复杂，为了了解最近房价的变化趋势。小编以链家这个网站为例，抓取房价的信息。

/2 项目目标/

实现将获取到的房子的名字、价格、房子的关注度，导入Word模板，并生成独立的Word文档。

/3 涉及的库和网站/

先列出网址，如下所示。

网址：https://bj.lianjia.com/ershoufang/pg1/（"bj"北京的缩写）

库：requests、time 、lxml

/4 具体分析/

如何对下一页的网址进行请求？

点击下一页的按钮，观察到网站的变化分别如下：

https://bj.lianjia.com/ershoufang/pg1/

https://bj.lianjia.com/ershoufang/pg2/

https://bj.lianjia.com/ershoufang/pg3/

观察到只有pg()变化，变化的部分用{}格式化代替，再用for循环遍历这网址，实现多个网址请求。

/5 实现步骤/

1. 我们定义一个class类继承object，然后定义init方法继承self，再定义一个主函数main继承self。准备url地址和请求头headers。

import requests
from lxml import etree
import time
class LianJia(object):
    def __init__(self):
       pass
  
    def main(self):
        pass

if __name__ == '__main__':
    spider= LianJia()
    spider.main()

2. 对网站发生请求


def __init__(self):
        self.url = "https://bj.lianjia.com/ershoufang/pg{}/"
        self.headers = {
            "User-Agent":"Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/78.0.3904.108 Safari/537.36"
        }  
        # 请求数据
def get_page(self,url):
         html = requests.get(url=url,headers=self.headers).content.decode("utf-8")
         # print(html)
         self.page_page(html)

3. 对请求到的数据进行处理

# 数据处理
def page_page(self,html):
    parse_html = etree.HTML(html)
    page = parse_html.xpath('//*[@id="content"]/div[1]/ul/li')
    house_dict = {}
    for li in page:
     house_dict['名称']=li.xpath('.//div[@class="infoclear"]//div[@class="title"]/a/text()')[0].strip()
    house_dict["价格"] = li.xpath(".//div[@class='priceInfo']/div[@class='totalPrice']/span/text()")[0].strip()+"万"
   house_dict["关注度"] = li.xpath('.//div[@class="info clear"]//div[@class="followInfo"]//text()')[0].strip()

1) 在谷歌浏览器上，进行右键选择开发者工具或者按下键盘的F12，如下图所示。

2) 右键检查，找到房价的链接，如下图所示。

4. 将获取的信息写入word文档


f = open('房子.doc', 'a', encoding = 'utf-8')  # 以'w'方式打开文件
         f.write(str(house_dict))
         print(house_dict)
         f.write("\n")  # 键和值分行放，键在单数行，值在双数行
         f.close()

5. 在main方法调用


def main(self):
        for pg in range(1 ,101): #for遍历得到的网址
            url = self.url.format(str(pg))
            print(" = "  *50)
            time.sleep(1.4) #时间延时

/6 效果展示/

1. 点击绿色按钮运行，将结果显示在控制台，如下图所示。