首页    技术博客    PHP教程    数据库技术    前端开发   HTML5    Nginx    php论坛
新用户注册 | 会员登录
加入会员，解锁专属内容
取消
热门标签 | HotTags
当前位置:  开发笔记 > 编程语言 > 正文

用Python抓取某天下楼盘数据

作者：郭恭彦_522 | 来源：互联网 | 2023-09-10 09:30
新房，因为有着比二手房更好的质量和配套，是每一个打工人梦想的港湾。人们买房往往通过置业顾问或实地踩盘了解相关楼盘信息，然而，

新房&＃xff0c;因为有着比二手房更好的质量和配套&＃xff0c;是每一个打工人梦想的港湾。人们买房往往通过置业顾问或实地踩盘了解相关楼盘信息&＃xff0c;然而&＃xff0c;这个过程费时费力。如果能通过技术手段&＃xff0c;将所在城市所有最新楼盘信息获取到&＃xff0c;做一个初筛&＃xff0c;然后再精准实地踩盘&＃xff0c;将是一个不错的思路。

本文通过利用Python技术&＃xff0c;手把手教你爬取房天下任意城市新房数据&＃xff0c;让你更快洞察房地产市场变化&＃xff0c;助你选择最佳的置业或投资的房产标的。

01

网页分析

我们以上海为例&＃xff0c;首页URL及网页内容如下&＃xff1a;

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

这是上海新盘列表&＃xff0c;合计749个房源信息&＃xff08;每页20个&＃xff09;&＃xff0c;点击下一页&＃xff0c;URL变为&＃xff1a;

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

很显然&＃xff0c;是简单的静态网页&＃xff0c;URL由城市参数&＃xff08;此处为sh&＃xff09;和翻页参数&＃xff08;此处为2&＃xff09;拼接而成。点进一个楼盘&＃xff08;如建邦国宸府&＃xff09;&＃xff0c;查看楼盘详情&＃xff0c;此时URL和网页内容变为&＃xff1a;

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

而这些内容&＃xff0c;才是我们真正要抓取的目标。详情URL由城市参数&＃xff08;此处为sh&＃xff09;和房源id&＃xff08;此处为1210130400&＃xff09;拼接而成&＃xff0c;而房源id大概率藏在首页URL网页源代码中。

那么&＃xff0c;爬虫思路就很清晰了&＃xff1a;遍历首页房源列表获取所有房源id&＃xff0c;拼接详情URL&＃xff0c;遍历获取所有房源详情信息。

02

爬虫实战

打开Pycharm&＃xff0c;新建一个py文件&＃xff0c;导入爬虫相关包&＃xff1a;

import requests  #请求数据
from pyquery import PyQuery as pq  #本次采用pyquery和re解析数据
import time
import re
import random

为了提高爬虫安全性&＃xff0c;除了最基本的延时&＃xff0c;本次爬虫还加了一些请求头和代理ip&＃xff08;网上down的&＃xff0c;也可以购买&＃xff09;&＃xff0c;让程序从中随机抽取并请求网页。

global user_agents
global proxy_list
user_agents &＃61; ["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&＃43; (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 &＃61; ["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"]

定义一个get_id函数&＃xff0c;遍历获取所有房源id&＃xff0c;将其存放在列表idlist中&＃xff1a;

def get_id(city):url &＃61; &＃39;https://&＃39; &＃43; city &＃43; &＃39;.newhouse.fang.com/house/s/b91&＃39;user_agent &＃61; random.choice(user_agents)header &＃61; {&＃39;User-Agent&＃39;: user_agent}proxy &＃61; {&＃39;Proxies&＃39;: random.choice(proxy_list)}r &＃61; requests.get(url, headers&＃61;header, proxies&＃61;proxy)time.sleep(2)r.encoding &＃61; &＃39;GBK&＃39;pattern1 &＃61; re.compile(&＃39;(?<&＃61;现有新楼盘)\d&＃43;&＃39;)total &＃61; int(re.findall(pattern1, r.text)[0]) // 20 &＃43; 1idlist &＃61; []for i in range(1, total &＃43; 1):url &＃61; &＃39;https://&＃39; &＃43; city &＃43; &＃39;.newhouse.fang.com/house/s/b9&＃39; &＃43; str(i)user_agent &＃61; random.choice(user_agents)header &＃61; {&＃39;User-Agent&＃39;: user_agent}proxy &＃61; {&＃39;Proxies&＃39;: random.choice(proxy_list)}r &＃61; requests.get(url, headers&＃61;header, proxies&＃61;proxy)time.sleep(2)r.encoding &＃61; &＃39;gb2312&＃39;pattern &＃61; re.compile(&＃39;(?<&＃61;loupan/)\d&＃43;&＃39;)id &＃61; re.findall(pattern, r.text)for j in id:idlist.append(j)# print(idlist)return idlist

定义一个get_data函数&＃xff0c;将房源id传入详情页URL中&＃xff0c;遍历获取所有房源详情信息&＃xff1a;

def get_data(city, id):url &＃61; &＃39;https://&＃39; &＃43; city &＃43; &＃39;.newhouse.fang.com/loupan/&＃39; &＃43; id &＃43; &＃39;/housedetail.htm&＃39;user_agent &＃61; random.choice(user_agents)header &＃61; {&＃39;User-Agent&＃39;: user_agent}proxy &＃61; {&＃39;Proxies&＃39;: random.choice(proxy_list)}r &＃61; requests.get(url, headers&＃61;header, proxies&＃61;proxy)time.sleep(1)r.encoding &＃61; &＃39;utf8&＃39;doc &＃61; pq(r.text)# print(doc)data1 &＃61; doc(&＃39;.ts_linear&＃39;).items()for i in data1:print(i.text())data1 &＃61; doc(&＃39;.list&＃39;).items()for i in data1:print(i.text())

最后&＃xff0c;调用这两个函数&＃xff1a;

id &＃61; get_id(&＃39;sh&＃39;)
for i in range(len(id)):get_data(&＃39;sh&＃39;, id[i])

03

效果演示

更多阅读

2020 年最佳流行 Python 库 Top 10

2020 Python中文社区热门文章 Top 10

5分钟掌握 Python 对象的引用

特别推荐


点击下方阅读原文加入社区会员


推荐阅读
  • ip

    Python瓦片图下载、合并、绘图、标记的代码示例

    Python瓦片图下载、合并、绘图、标记的代码示例
    本文提供了Python瓦片图下载、合并、绘图、标记的代码示例，包括下载代码、多线程下载、图像处理等功能。通过参考geoserver，使用PIL、cv2、numpy、gdal、osr等库实现了瓦片图的下载、合并、绘图和标记功能。代码示例详细介绍了各个功能的实现方法，供读者参考使用。 ... [详细]
  • ip

    Python爬取豆瓣数据实现过程解析

    Python爬取豆瓣数据实现过程解析
    这篇文章主要介绍了Python爬取豆瓣数据实现过程解析,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值, ... [详细]
  • ip

    CSS3选择器的使用方法详解，提高Web开发效率和精准度

    CSS3选择器的使用方法详解，提高Web开发效率和精准度
    本文详细介绍了CSS3新增的选择器方法，包括属性选择器的使用。通过CSS3选择器，可以提高Web开发的效率和精准度，使得查找元素更加方便和快捷。同时，本文还对属性选择器的各种用法进行了详细解释，并给出了相应的代码示例。通过学习本文，读者可以更好地掌握CSS3选择器的使用方法，提升自己的Web开发能力。 ... [详细]
  • ip

    mintui中的下拉加载，可以一直加载数据，怎么处理呢？

    html结构 ... [详细]
  • int

    微软头条实习生分享深度学习自学指南

    微软头条实习生分享深度学习自学指南
    本文介绍了一位微软头条实习生自学深度学习的经验分享，包括学习资源推荐、重要基础知识的学习要点等。作者强调了学好Python和数学基础的重要性，并提供了一些建议。 ... [详细]
  • ip

    VScode格式化文档换行或不换行的设置方法

    VScode格式化文档换行或不换行的设置方法
    本文介绍了在VScode中设置格式化文档换行或不换行的方法，包括使用插件和修改settings.json文件的内容。详细步骤为：找到settings.json文件，将其中的代码替换为指定的代码。 ... [详细]
  • ip

    C#学习教程：在Console中工作但在Windows窗体中不工作的异步代码分享

    本文分享了一个关于在C#中使用异步代码的问题，作者在控制台中运行时代码正常工作，但在Windows窗体中却无法正常工作。作者尝试搜索局域网上的主机，但在窗体中计数器没有减少。文章提供了相关的代码和解决思路。 ... [详细]
  • ip

    在Windows 8上安装gvim中的插件的错误加载问题

    本文讨论了在Windows 8上安装gvim中插件时出现的错误加载问题。作者将EasyMotion插件放在了正确的位置，但加载时却出现了错误。作者提供了下载链接和之前放置插件的位置，并列出了出现的错误信息。 ... [详细]
  • ip

    android listview OnItemClickListener失效原因

    android listview OnItemClickListener失效原因
    最近在做listview时发现OnItemClickListener失效的问题，经过查找发现是因为button的原因。不仅listitem中存在button会影响OnItemClickListener事件的失效，还会导致单击后listview每个item的背景改变，使得item中的所有有关焦点的事件都失效。本文给出了一个范例来说明这种情况，并提供了解决方法。 ... [详细]
  • string

    求解hdu 1003 java题目的动态规划优化方法

    本文讨论了如何优化解决hdu 1003 java题目的动态规划方法，通过分析加法规则和最大和的性质，提出了一种优化的思路。具体方法是，当从1加到n为负时，即sum(1,n)sum(n,s)，可以继续加法计算。同时，还考虑了两种特殊情况：都是负数的情况和有0的情况。最后，通过使用Scanner类来获取输入数据。 ... [详细]
  • ip

    九度OnlineJudge之1002：Grading问题的解决方法

    本文介绍了九度OnlineJudge中的1002题目“Grading”的解决方法。该题目要求设计一个公平的评分过程，将每个考题分配给3个独立的专家，如果他们的评分不一致，则需要请一位裁判做出最终决定。文章详细描述了评分规则，并给出了解决该问题的程序。 ... [详细]
  • int

    Linux进程控制块PCBtask_struct结构体结构及作用详解

    本文详细介绍了Linux中进程控制块PCBtask_struct结构体的结构和作用，包括进程状态、进程号、待处理信号、进程地址空间、调度标志、锁深度、基本时间片、调度策略以及内存管理信息等方面的内容。阅读本文可以更加深入地了解Linux进程管理的原理和机制。 ... [详细]
  • ip

    如何在服务器主机上实现文件共享的方法和工具

    如何在服务器主机上实现文件共享的方法和工具
    本文介绍了在服务器主机上实现文件共享的方法和工具，包括Linux主机和Windows主机的文件传输方式，Web运维和FTP/SFTP客户端运维两种方式，以及使用WinSCP工具将文件上传至Linux云服务器的操作方法。此外，还介绍了在迁移过程中需要安装迁移Agent并输入目的端服务器所在华为云的AK/SK，以及主机迁移服务会收集的源端服务器信息。 ... [详细]
  • ip

    常用的CSS属性及用法整理

    本文整理了常用的CSS属性及用法，包括背景属性、边框属性、尺寸属性、可伸缩框属性、字体属性和文本属性等，方便开发者查阅和使用。 ... [详细]
  • ip

    爬虫05 /scrapy框架

    目录爬虫06scrapy框架1.scrapy概述安装2.基本使用3.全栈数据的爬取4.五大核心组件对象5.适当提升scrapy爬取数据的效率6.请求传参爬虫06scrapy框架1. ... [详细]
author-avatar
郭恭彦_522
这个家伙很懒，什么也没留下！
Tags | 热门标签
RankList | 热门文章
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有