使用Python來爬取二手房源資料，并保存表格，實作資料分析！

軟體環境

Python 3.8

Pycharm

代碼展示

模塊

# 資料請求模塊 --> 第三方模塊, 需要安裝 pip install requests
import requests
# 決議資料模塊 --> 第三方模塊, 需要安裝 pip install parsel
import parsel
# csv模塊
import csv

創建檔案

f = open('data.csv', mode='w', encoding='utf-8', newline='')
csv_writer = csv.DictWriter(f, fieldnames=[
    '標題',
    '小區',
    '區域',
    '售價',
    '單價',
    '戶型',
    '面積',
    '朝向',
    '裝修',
    '樓層',
    '年份',
    '建筑型別',
    '詳情頁',
])
csv_writer.writeheader()

發送請求, 模擬瀏覽器對于 url地址發送請求

模擬瀏覽器

headers = {
    'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/101.0.0.0 Safari/537.36'
}

請求網址/網站

url = 'https://cs.lianjia.com/ershoufang/'

# 完整原始碼，視頻講解直接＋這個扣裙：279199867 免費領取

發送請求

response = requests.get(url=url, headers=headers)
# <Response [200]> 回應物件 200 狀態碼 表示請求成功
print(response)

獲取資料, 獲取網頁源代碼 <獲取服務器回傳回應資料>

決議資料, 提取我們想要的資料內容

決議方法:

re: 對于字串資料直接進行決議提取
css: 根據標簽屬性提取資料內容
xpath: 根據標簽節點提取資料內容

使用css: 根據標簽屬性提取資料內容

把獲取到html字串資料, 轉成可決議物件

selector = parsel.Selector(response.text)

獲取所有房源資訊所在li標簽

lis = selector.css('.sellListContent li.clear')

for回圈遍歷

for li in lis:
    """

    提取具體房源資訊: 標題 / 價格 / 位置 / 戶型...
    .title a --> 表示定位class類名為title下面a標簽
    """
    title = li.css('.title a::text').get()  # 標題
    info_list = li.css('.positionInfo a::text').getall()
    area = info_list[0]  # 小區名字
    area_1 = info_list[1]  # 地區
    totalPrice = li.css('.totalPrice span::text').get()  # 售價
    unitPrice = li.css('.unitPrice span::text').get().replace('元/平', '').replace(',', '')  # 單價
    houseInfo = li.css('.houseInfo::text').get().split(' | ')  # 資訊
    houseType = houseInfo[0]  # 戶型
    houseArea = houseInfo[1].replace('平米', '')  # 面積
    houseFace = houseInfo[2]  # 朝向
    fitment = houseInfo[3]  # 裝修
    fool = houseInfo[4]  # 樓層

    if len(houseInfo) == 7 and '年' in houseInfo[5]:
        year = houseInfo[5].replace('年建', '')
    else:
        year = ''
    house = houseInfo[-1]  # 建筑型別
    href = https://www.cnblogs.com/hahaa/p/li.css('.title a::attr(href)').get()  # 詳情頁
    dit = {
        '標題': title,
        '小區': area,
        '區域': area_1,
        '售價': totalPrice,
        '單價': unitPrice,
        '戶型': houseType,
        '面積': houseArea,
        '朝向': houseFace,
        '裝修': fitment,
        '樓層': fool,
        '年份': year,
        '建筑型別': house,
        '詳情頁': href,
    }
    csv_writer.writerow(dit)
    print(dit)
    # print(title, area, area_1, totalPrice, unitPrice, houseType, houseArea, houseFace, fitment, fool, year, house, href)

多執行緒

匯入模塊

import requests
import parsel
import re
import csv
# 執行緒池模塊
import concurrent.futures
import time

發送請求函式

def get_response(html_url):

:param html_url:
:return:
"""
headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/104.0.0.0 Safari/537.36'
}
response = requests.get(url=html_url, headers=headers)
return response

獲取資料函式

def get_content(html_url):
    """
    :param html_url:
    :return:
    """
    response = get_response(html_url)
    html_data = get_response(link).text
    selector = parsel.Selector(response.text)
    select = parsel.Selector(html_data)
    lis = selector.css('.sellListContent li')
    content_list = []
    for li in lis:

        title = li.css('.title a::text').get()  # 標題
        area = '-'.join(li.css('.positionInfo a::text').getall())  # 小區
        Price = li.css('.totalPrice span::text').get()  # 總價
        Price_1 = li.css('.unitPrice span::text').get().replace('元/平', '')  # 單價
        houseInfo = li.css('.houseInfo::text').get()  # 資訊
        HouseType = houseInfo.split(' | ')[0]  # 戶型
        HouseArea = houseInfo.split(' | ')[1].replace('平米', '')  # 面積
        direction = houseInfo.split(' | ')[2].replace(' ', '')  # 朝向
        renovation = houseInfo.split(' | ')[3]  # 裝修
        floor_info = houseInfo.split(' | ')[4]
        floor = floor_info[:3]  # 樓層
        floor_num = re.findall('(\d+)層', floor_info)[0]  # 層數
        BuildingType = houseInfo.split(' | ')[-1]
        string = select.css('.comments div:nth-child(7) .comment_text::text').get()
        href = li.css('.title a::attr(href)').get()  # 詳情頁
        if len(houseInfo.split(' | ')) == 6:
            date = 'None'
        else:
            date = houseInfo.split(' | ')[5].replace('年建', '')  # 日期
        print(string)
        dit = {
            '標題': title,
            '內容': string,
            '小區': area,
            '總價': Price,
            '單價': Price_1,
            '戶型': HouseType,
            '面積': HouseArea,
            '朝向': direction,
            '裝修': renovation,
            '樓層': floor,
            '層數': floor_num,
            '建筑日期': date,
            '建筑型別': BuildingType,
            '詳情頁': href,
        }
        content_list.append(dit)
    return content_list

主函式

def main(page):
    """
    :param page:
    :return:
    """
    print(f'===============正在采集第{page}頁的資料內容===============')
    url = f'https:///ershoufang/yuelu/p{page}/'
    content_list = get_content(html_url=url)
    for content in content_list:
        csv_writer.writerow(content)


if __name__ == '__main__':
    time_1 = time.time()
    link = 'http://******/article/149'
    # 創建檔案
    f = open('data多執行緒.csv', mode='a', encoding='utf-8', newline='')
    csv_writer = csv.DictWriter(f, fieldnames=[
        '標題',
        '內容',
        '小區',
        '總價',
        '單價',
        '戶型',
        '面積',
        '朝向',
        '裝修',
        '樓層',
        '層數',
        '建筑日期',
        '建筑型別',
        '詳情頁',
    ])
    csv_writer.writeheader()

    # 執行緒池執行器 max_workers 最大執行緒數
    exe = concurrent.futures.ThreadPoolExecutor(max_workers=10)
    for page in range(1, 11):
        exe.submit(main, page)
    exe.shutdown()
    time_2 = time.time()
    use_time = int(time_2 - time_1)
    # 總計耗時: 9
    print('總計耗時:', use_time)

轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/552610.html

標籤：Python

上一篇：python 基礎教程：使用jieba庫對文本進行分詞

下一篇：返回列表

Python多執行緒爬取鏈家房源，保存表格，實作資料可視化分析！

軟體環境

代碼展示

多執行緒