<kbd id="afajh"><form id="afajh"></form></kbd>
<strong id="afajh"><dl id="afajh"></dl></strong>
    <del id="afajh"><form id="afajh"></form></del>
        1. <th id="afajh"><progress id="afajh"></progress></th>
          <b id="afajh"><abbr id="afajh"></abbr></b>
          <th id="afajh"><progress id="afajh"></progress></th>

          肝!教你用Python抓取某天下樓盤數(shù)據(jù)

          共 14367字,需瀏覽 29分鐘

           ·

          2021-04-14 12:12



          新房,因為有著比二手房更好的質(zhì)量和配套,是每一個打工人夢想的港灣。人們買房往往通過置業(yè)顧問或?qū)嵉夭缺P了解相關(guān)樓盤信息,然而,這個過程費(fèi)時費(fèi)力。如果能通過技術(shù)手段,將所在城市所有最新樓盤信息獲取到,做一個初篩,然后再精準(zhǔn)實(shí)地踩盤,將是一個不錯的思路。

          本文通過利用Python技術(shù),手把手教你爬取房天下任意城市新房數(shù)據(jù),讓你更快洞察房地產(chǎn)市場變化,助你選擇最佳的置業(yè)或投資的房產(chǎn)標(biāo)的。



          01

          網(wǎng)頁分析



          我們以上海為例,首頁URL及網(wǎng)頁內(nèi)容如下:


          https://sh.newhouse.fang.com/house/s/b91/



          這是上海新盤列表,合計749個房源信息(每頁20個),點(diǎn)擊下一頁,URL變?yōu)椋?/span>


          https://sh.newhouse.fang.com/house/s/b92/


          很顯然,是簡單的靜態(tài)網(wǎng)頁,URL由城市參數(shù)(此處為sh)和翻頁參數(shù)(此處為2)拼接而成。點(diǎn)進(jìn)一個樓盤(如建邦國宸府),查看樓盤詳情,此時URL和網(wǎng)頁內(nèi)容變?yōu)椋?/span>


          https://sh.newhouse.fang.com/loupan/1210130400/housedetail.htm


          而這些內(nèi)容,才是我們真正要抓取的目標(biāo)。詳情URL由城市參數(shù)(此處為sh)和房源id(此處為1210130400)拼接而成,而房源id大概率藏在首頁URL網(wǎng)頁源代碼中。


          那么,爬蟲思路就很清晰了:遍歷首頁房源列表獲取所有房源id,拼接詳情URL,遍歷獲取所有房源詳情信息。




          02

          爬蟲實(shí)戰(zhàn)



          打開Pycharm,新建一個py文件,導(dǎo)入爬蟲相關(guān)包:


          import requests  #請求數(shù)據(jù)
          from pyquery import PyQuery as pq  #本次采用pyquery和re解析數(shù)據(jù)
          import time
          import re
          import random


          為了提高爬蟲安全性,除了最基本的延時,本次爬蟲還加了一些請求頭和代理ip(網(wǎng)上down的,也可以購買),讓程序從中隨機(jī)抽取并請求網(wǎng)頁。


          global user_agents
          global proxy_list
          user_agents = [
              "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) "
              "Chrome/45.0.2454.85 Safari/537.36 115Browser/6.0.3",
              "Mozilla/5.0 (Macintosh; U; Intel Mac OS X 10_6_8; en-us) AppleWebKit/534.50 (KHTML, like Gecko) Version/5.1 Safari/534.50",
              "Mozilla/5.0 (Windows; U; Windows NT 6.1; en-us) AppleWebKit/534.50 (KHTML, like Gecko) Version/5.1 Safari/534.50",
              "Mozilla/4.0 (compatible; MSIE 8.0; Windows NT 6.0; Trident/4.0)",
              "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 6.0)",
              "Mozilla/5.0 (Windows NT 6.1; rv:2.0.1) Gecko/20100101 Firefox/4.0.1",
              "Opera/9.80 (Windows NT 6.1; U; en) Presto/2.8.131 Version/11.11",
              "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_7_0) AppleWebKit/535.11 (KHTML, like Gecko) Chrome/17.0.963.56 Safari/535.11",
              "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; Trident/4.0; SE 2.X MetaSr 1.0; SE 2.X MetaSr 1.0; .NET CLR 2.0.50727; SE 2.X MetaSr 1.0)",
              "Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; Trident/5.0",
              "Mozilla/5.0 (Windows NT 6.1; rv:2.0.1) Gecko/20100101 Firefox/4.0.1",
              "Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; SV1; AcooBrowser; .NET CLR 1.1.4322; .NET CLR 2.0.50727)",
              "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 6.0; Acoo Browser; SLCC1; .NET CLR 2.0.50727; Media Center PC 5.0; .NET CLR 3.0.04506)",
              "Mozilla/4.0 (compatible; MSIE 7.0; AOL 9.5; AOLBuild 4337.35; Windows NT 5.1; .NET CLR 1.1.4322; .NET CLR 2.0.50727)",
              "Mozilla/5.0 (Windows; U; MSIE 9.0; Windows NT 9.0; en-US)",
              "Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; Win64; x64; Trident/5.0; .NET CLR 3.5.30729; .NET CLR 3.0.30729; .NET CLR 2.0.50727; Media Center PC 6.0)",
              "Mozilla/5.0 (compatible; MSIE 8.0; Windows NT 6.0; Trident/4.0; WOW64; Trident/4.0; SLCC2; .NET CLR 2.0.50727; .NET CLR 3.5.30729; .NET CLR 3.0.30729; .NET CLR 1.0.3705; .NET CLR 1.1.4322)",
              "Mozilla/4.0 (compatible; MSIE 7.0b; Windows NT 5.2; .NET CLR 1.1.4322; .NET CLR 2.0.50727; InfoPath.2; .NET CLR 3.0.04506.30)",
              "Mozilla/5.0 (Windows; U; Windows NT 5.1; zh-CN) AppleWebKit/523.15 (KHTML, like Gecko, Safari/419.3) Arora/0.3 (Change: 287 c9dfb30)",
              "Mozilla/5.0 (X11; U; Linux; en-US) AppleWebKit/527+ (KHTML, like Gecko, Safari/419.3) Arora/0.6",
              "Mozilla/5.0 (Windows; U; Windows NT 5.1; en-US; rv:1.8.1.2pre) Gecko/20070215 K-Ninja/2.1.1",
              "Mozilla/5.0 (Windows; U; Windows NT 5.1; zh-CN; rv:1.9) Gecko/20080705 Firefox/3.0 Kapiko/3.0",
              "Mozilla/5.0 (X11; Linux i686; U;) Gecko/20070322 Kazehakase/0.4.5",
              "Mozilla/5.0 (X11; U; Linux i686; en-US; rv:1.9.0.8) Gecko Fedora/1.9.0.8-1.fc10 Kazehakase/0.5.6",
              "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/535.11 (KHTML, like Gecko) Chrome/17.0.963.56 Safari/535.11",
              "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_7_3) AppleWebKit/535.20 (KHTML, like Gecko) Chrome/19.0.1036.7 Safari/535.20",
              "Opera/9.80 (Macintosh; Intel Mac OS X 10.6.8; U; fr) Presto/2.9.168 Version/11.52",
              "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/536.11 (KHTML, like Gecko) Chrome/20.0.1132.11 TaoBrowser/2.0 Safari/536.11",
              "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.1 (KHTML, like Gecko) Chrome/21.0.1180.71 Safari/537.1 LBBROWSER",
              "Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; WOW64; Trident/5.0; SLCC2; .NET CLR 2.0.50727; .NET CLR 3.5.30729; .NET CLR 3.0.30729; Media Center PC 6.0; .NET4.0C; .NET4.0E; LBBROWSER)",
              "Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; SV1; QQDownload 732; .NET4.0C; .NET4.0E; LBBROWSER)",
              "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/535.11 (KHTML, like Gecko) Chrome/17.0.963.84 Safari/535.11 LBBROWSER",
              "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 6.1; WOW64; Trident/5.0; SLCC2; .NET CLR 2.0.50727; .NET CLR 3.5.30729; .NET CLR 3.0.30729; Media Center PC 6.0; .NET4.0C; .NET4.0E)",
              "Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; WOW64; Trident/5.0; SLCC2; .NET CLR 2.0.50727; .NET CLR 3.5.30729; .NET CLR 3.0.30729; Media Center PC 6.0; .NET4.0C; .NET4.0E; QQBrowser/7.0.3698.400)",
              "Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; SV1; QQDownload 732; .NET4.0C; .NET4.0E)",
              "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; Trident/4.0; SV1; QQDownload 732; .NET4.0C; .NET4.0E; 360SE)",
              "Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; SV1; QQDownload 732; .NET4.0C; .NET4.0E)",
              "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 6.1; WOW64; Trident/5.0; SLCC2; .NET CLR 2.0.50727; .NET CLR 3.5.30729; .NET CLR 3.0.30729; Media Center PC 6.0; .NET4.0C; .NET4.0E)",
              "Mozilla/5.0 (Windows NT 5.1) AppleWebKit/537.1 (KHTML, like Gecko) Chrome/21.0.1180.89 Safari/537.1",
              "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.1 (KHTML, like Gecko) Chrome/21.0.1180.89 Safari/537.1",
              "Mozilla/5.0 (iPad; U; CPU OS 4_2_1 like Mac OS X; zh-cn) AppleWebKit/533.17.9 (KHTML, like Gecko) Version/5.0.2 Mobile/8C148 Safari/6533.18.5",
              "Mozilla/5.0 (Windows NT 6.1; Win64; x64; rv:2.0b13pre) Gecko/20110307 Firefox/4.0b13pre",
              "Mozilla/5.0 (X11; Ubuntu; Linux x86_64; rv:16.0) Gecko/20100101 Firefox/16.0",
              "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.11 (KHTML, like Gecko) Chrome/23.0.1271.64 Safari/537.11",
              "Mozilla/5.0 (X11; U; Linux x86_64; zh-CN; rv:1.9.2.10) Gecko/20100922 Ubuntu/10.10 (maverick) Firefox/3.6.10",
              "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.36",
          ]
          proxy_list = ["218.91.13.2:46332",
                        "121.31.176.85:8123",
                        "218.71.161.56:80",
                        "49.85.1.230:28643",
                        "115.221.121.165:41674",
                        "123.55.177.237:808"
                        ]


          定義一個get_id函數(shù),遍歷獲取所有房源id,將其存放在列表idlist中:


          def get_id(city):
              url = 'https://' + city + '.newhouse.fang.com/house/s/b91'
              user_agent = random.choice(user_agents)
              header = {'User-Agent': user_agent}
              proxy = {'Proxies': random.choice(proxy_list)}
              r = requests.get(url, headers=header, proxies=proxy)
              time.sleep(2)
              r.encoding = 'GBK'
              pattern1 = re.compile('(?<=現(xiàn)有新樓盤)\d+')
              total = int(re.findall(pattern1, r.text)[0]) // 20 + 1
              idlist = []
              for i in range(1, total + 1):
                  url = 'https://' + city + '.newhouse.fang.com/house/s/b9' + str(i)
                  user_agent = random.choice(user_agents)
                  header = {'User-Agent': user_agent}
                  proxy = {'Proxies': random.choice(proxy_list)}
                  r = requests.get(url, headers=header, proxies=proxy)
                  time.sleep(2)
                  r.encoding = 'gb2312'
                  pattern = re.compile('(?<=loupan/)\d+')
                  id = re.findall(pattern, r.text)
                  for j in id:
                      idlist.append(j)
              # print(idlist)
              return idlist


          定義一個get_data函數(shù),將房源id傳入詳情頁URL中,遍歷獲取所有房源詳情信息:


          def get_data(city, id):
              url = 'https://' + city + '.newhouse.fang.com/loupan/' + id + '/housedetail.htm'
              user_agent = random.choice(user_agents)
              header = {'User-Agent': user_agent}
              proxy = {'Proxies': random.choice(proxy_list)}
              r = requests.get(url, headers=header, proxies=proxy)
              time.sleep(1)
              r.encoding = 'utf8'
              doc = pq(r.text)
              # print(doc)
              data1 = doc('.ts_linear').items()
              for i in data1:
                  print(i.text())
              data1 = doc('.list').items()
              for i in data1:
                  print(i.text())


          最后,調(diào)用這兩個函數(shù):


          id = get_id('sh')
          for i in range(len(id)):
              get_data('sh', id[i])




          03

          效果演示




          推薦閱讀
          誤執(zhí)行了rm -fr /*之后,除了跑路還能怎么辦?!
          程序員必備58個網(wǎng)站匯總
          大幅提高生產(chǎn)力:你需要了解的十大Jupyter Lab插件

          瀏覽 75
          點(diǎn)贊
          評論
          收藏
          分享

          手機(jī)掃一掃分享

          分享
          舉報
          評論
          圖片
          表情
          推薦
          點(diǎn)贊
          評論
          收藏
          分享

          手機(jī)掃一掃分享

          分享
          舉報
          <kbd id="afajh"><form id="afajh"></form></kbd>
          <strong id="afajh"><dl id="afajh"></dl></strong>
            <del id="afajh"><form id="afajh"></form></del>
                1. <th id="afajh"><progress id="afajh"></progress></th>
                  <b id="afajh"><abbr id="afajh"></abbr></b>
                  <th id="afajh"><progress id="afajh"></progress></th>
                  久久精品久久ai 久久精品内射国产 | 免费在线观看黄片网站 | 欧美成人手机在线砚看 | 亚洲18禁网站 | 开心色播久久久 |