首页 > 编程语言 >python爬取房产信息(仅供学习使用)

python爬取房产信息(仅供学习使用)

时间:2022-11-23 17:35:27浏览次数:44  
标签:房产信息 item python text resp self 爬取 url find






import requests
from bs4 import BeautifulSoup
import time
import openpyxl


def write_mysql(lst):
wk = openpyxl.Workbook()
sheet = wk.active
for i in lst:
sheet.append(i)
wk.save("1-房产交易信息.xlsx")
# print('保存完成')


def parser_content(resp):
html = resp.text
bs = BeautifulSoup(html, 'html.parser')
ul = bs.find('ul', class_='sellListContent')
li = ul.find_all('li')
# print(li, type(li))
lst = []
for item in li:
title = item.find('div', class_='title').text
positionInfo = item.find('div', class_='positionInfo').text
houseInfo = item.find('div', class_='houseInfo').text
followInfo = item.find('div', class_='followInfo').text
totalPrice = item.find('div', class_='totalPrice totalPrice2').text
unitPrice = item.find('div', class_='unitPrice').text
lst.append([title, positionInfo, houseInfo, followInfo, totalPrice, unitPrice])
# break
# print(lst)
return lst


class LianJiaSpider():

def __init__(self):
self.url = "https://bj.lianjia.com/ershoufang/pg{0}/"
self.headers = {
"User - Agent": "Mozilla / 5.0(Windows NT 10.0;Win64;x64) AppleWebKit / 537.36(KABUL, like Gecko) Chrome "
"/ 84.0.4147.125 Safari / 537.36 "
}

def send_request(self, url):
resp = requests.get(url=url, headers=self.headers)
if resp:
return resp

def start(self):
for i in range(1, 11):
full_url = self.url.format(i)
# print(full_url)
resp = self.send_request(full_url)
# print(resp.text)
data_list = parser_content(resp)
write_mysql(data_list)
time.sleep(5)


if __name__ == '__main__':
lian_jia = LianJiaSpider()
lian_jia.start()





标签:房产信息,item,python,text,resp,self,爬取,url,find
From: https://blog.51cto.com/u_14012524/5881524

相关文章

  • python+OpenCv 图像噪声(椒盐噪声、高斯噪声)
    由于图像采集、处理、传输等过程不可避免的会受到噪声的污染,妨碍人们对图像理解及分析处理。常见的图像噪声有高斯噪声、椒盐噪声等。一、椒盐噪声椒盐噪声也称为脉冲......
  • python——定时执行,间隔5s执行一次,blockingScheduler
    本来一开始使用的time.sleep(5),但是执行时间长了之后,会与实际时间有偏差,因为没有计算程序本身运行的时间。 解决:使用blockingScheduler  将send()这个方法,每5s执......
  • python 使用 requests,requests_toolbelt上传图片文件,报错:AttributeError: 'int' objec
    问题在使用pythonrequests_toolbelt库上传excel文件的过程中,几类问题报错1MultipartEncoder支持中文文件名称上传开始遇到的报错以为是中文文件名称不支持,查到的......
  • python中的集合
    集合,简称集。由任意个元素构成的集体。高级语言都实现了这个非常重要的数据结构类型。Python中,它是可变的、无序的、不重复的元素的集合set()->newemptysetobjects......
  • python中利用pipreqs查询并安装项目所依赖的所有包
    pipreqs的安装pipinstallpipreqs-ihttp://pypi.douban.com/simple--trusted-hostpypi.douban.com在terminal中,如要查看test文件夹下脚本所依赖包,则输入如下命令:pi......
  • Python-import xx 和 from xx import xx 的区别
    1.importxx:导入模块,在使用的时候需要“模块.函数”来使用例如:1importmath2math.sqr(5)  2.fromxximportxx和fromxximport*这两个本质没有区......
  • 安装Python后你的电脑多了哪些东西?
    Python安装完成之后,我们的计算机都多出了哪些东西?我们在计算机搜索框中搜索“python”,会显示出python相关的程序。可以看到,我们的计算机会多出4个应用程序,如下:  接......
  • Python中的切片
    线性结构特征​ 可迭代for...in​ 有长度,通过len(x)获取,容器​ 通过整数下标可以访问元素。正索引、负索引​ 可以切片切片sequence[start:stop]sequence......
  • Python中的元组 Tuple
    一个有序的元素组成的集合使用小括号()表示元组是不可变对象新建t1=()#空元组t2=(1,)#必须有这个逗号t3=(1,)*5t4=(1,2,3)t5=1,'a't6=(......
  • scrapy爬取后中文乱码,解决word转为html 时cp1252编码问题
    解决思路1、循环暴力寻找编码,但是不如思路3defparse(self,response):print(response.text[:100])body=response.body#直接是bytes,response.tex......