前言
說到二手房信息，不知道你們心里最先跳出來的公司（網(wǎng)站）是什么，反正我心里第一個(gè)跳出來的是網(wǎng)站是 58 同城。哎呦，我這暴脾氣，想到就趕緊去干。
但很顯然，我失敗了。說顯然，而不是不幸，這是因?yàn)?58 同城是大公司，我這點(diǎn)本事爬不了數(shù)據(jù)是再正常不過的了。下面來看看 58 同城的反爬手段了。這是我爬取下來的網(wǎng)頁源碼。
我們看到爬取下來的源碼有很多英文大寫字母和數(shù)字是網(wǎng)頁源碼中沒有的，后來我了解到 58 同城對(duì)自己的網(wǎng)站的源碼進(jìn)行了文本加密，所以就出現(xiàn)了我爬取到的情況。
爬取二手房信息
我打開 58 同城的 robots 協(xié)議。
好家伙，不愧是大公司，所有的動(dòng)態(tài)網(wǎng)址都不讓爬取，打擾了。我只好轉(zhuǎn)頭離開，去尋找可以讓我這種小白爬取的二手房網(wǎng)站。于是我找到了c21網(wǎng)站,不知道是我的原因，還是別的原因，反正我是沒有找到這個(gè)網(wǎng)站的 robots 協(xié)議。不管了，既然沒找到，就默認(rèn)沒有吧，直接開始爬取。
我本來打算通過二手房的目錄跳到一個(gè)具體信息，然后爬取二手房的一些基本信息和屬性。
像我紅筆圈起來的部分。但很可惜我失敗了，后來我看了看紅筆圈起來的部分的爬取到的源碼。
好家伙，還可以這樣。不過這怎么可以難倒機(jī)智的我？（其實(shí)我真不知道怎么解決它）。沒關(guān)系，之前的源碼里不是有類似的信息嗎？我只好將就一下了。
然后是翻頁。翻頁問題很好解決，我們很快就發(fā)現(xiàn)網(wǎng)頁都是 https://bj.c21.com.cn/ershoufang/pg2/。其中的頁數(shù)和 pg 后面的數(shù)字有關(guān)。
然后就是分析這些數(shù)據(jù)源碼的位置了。
首先，我們發(fā)現(xiàn)我們要爬取的數(shù)據(jù)全在 li 標(biāo)簽里，所以我們可以先獲得 li 標(biāo)簽的列表。偽代碼就像這樣。
form lxml import etree
…… ……
tree = etree.HTML(源碼)
li_list = tree.xpath( li 標(biāo)簽的路徑)
這時(shí)候我們獲得的就是 li 標(biāo)簽的 etree 的類，可以繼續(xù)使用 etree 類里的函數(shù)。然后我們就可以利用 for 循環(huán)提出不同房源的 li 標(biāo)簽，根據(jù)自己的需要獲取文本信息。
歐克，了解了這些（感覺源碼前前后后就是四個(gè)字 ”我是菜雞“ ）我們就可以開始寫代碼了。
import requests
from lxml import etree
import re
if __name__ == "__main__":
# UA偽裝
header = {
"user-agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/90.0.4430.72 Safari/537.36"
}
for pg in range(1, 3): # 翻兩頁
# 指定 url
url = "https://bj.c21.com.cn/ershoufang/pg%s/" % str(pg)
# 獲取網(wǎng)頁源碼
page = requests.get(url = url, headers = header).text
# xpath 解析
tree = etree.HTML(page)
li_list = tree.xpath('//ul[@id="availability"]/li')
for li in li_list:
title = li.xpath('div[2]/div/a/text()')[0] # 房子的名稱
# print(title[0]) # 測(cè)試
add = li.xpath('div[2]/div/p//a/text()') # 地址
add = add[-2: ] + add[0:1] # 地址范圍由大到小
# print(add) # 測(cè)試
div_list = li.xpath('div[2]/div[2]/div')
# 具體信息
message_list = ["建筑面積", "房屋戶型", "房屋朝向", "所在樓層", "裝修情況", "建成時(shí)間"]
for i in range(6):
div = div_list[i]
message = div.xpath('span/text()')[0]
message = re.sub("\s", "", str(message)) # 因?yàn)榘l(fā)現(xiàn)獲取的文本有很多換行符和空格，所以需要去掉
message = re.sub("\\n", "", str(message))
message_list[i] = message_list[i] + "：" + message
# print(message_list) # 測(cè)試
# 交通情況
traffic = li.xpath('div[2]/div[4]//text()')
# print(traffic) # 測(cè)試
# 價(jià)格情況
price = li.xpath('div[2]/div[3]//text()')
price = price[0] + price[1]
# print(price) # 測(cè)試
with open("C:\\Users\\ASUS\\Desktop\\CSDN\\數(shù)據(jù)解析\\xpath\\二手房\\" + "二手房.txt", "a", encoding = "utf-8") as fp:
fp.write(title + "\n")
for message in message_list:
fp.write(message + "\n")
if traffic == []:
fp.write("交通情況：無介紹" + "\n")
else:
fp.write("交通情況：" + traffic[0] + "\n")
fp.write("價(jià)格：" + price + "\n\n")
print(title, "下載完成?。?！")
print("over!!!")
爬取結(jié)果
最后的運(yùn)行結(jié)果就像這樣
到此這篇關(guān)于Python爬蟲之爬取二手房信息的文章就介紹到這了,更多相關(guān)Python爬取二手房信息內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
您可能感興趣的文章:- Python手拉手教你爬取貝殼房源數(shù)據(jù)的實(shí)戰(zhàn)教程
- Python scrapy爬取蘇州二手房交易數(shù)據(jù)
- Python爬蟲之爬取我愛我家二手房數(shù)據(jù)
- python爬取鏈家二手房的數(shù)據(jù)
- 基于python爬取鏈家二手房信息代碼示例
- python爬蟲 爬取58同城上所有城市的租房信息詳解
- Python爬蟲入門案例之爬取二手房源數(shù)據(jù)
