Python案例题目，入门小白题

1.抓取链家前十页的数据

链家网址：长沙房产网_长沙房地产_长沙房产门户(长沙链家网)

1.1.计算均价和总价

import time
​
from selenium import webdriver
from selenium.webdriver.common.by import By
​
driver = webdriver.Chrome()
driver.get("https://cs.lianjia.com/zufang/rs岳麓区/")
​
# 总价
total = 0
# 记录房间个数
size = 0
​
for i in range(2):
    elements = driver.find_elements(By.CSS_SELECTOR, '.content__list--item--main')
    print(f"第{i+1}页的数据：")
    for el in elements:
        # 获取租房标题
        name = el.find_element(By.CSS_SELECTOR, '.content__list--item--title a').text
        # 判断是否包含独栋信息
        if name.__contains__("独栋"):
            continue
        # 获取租房的价格
        price = el.find_element(By.CSS_SELECTOR, '.content__list--item-price em').text
        print(f"name={name},price={price}")
        total += float(price)
    # 记录房间的个数
    size += len(elements)
    # 点击下一页
    driver.find_element(By.CSS_SELECTOR,'a.next').click()
    # 模拟睡眠6秒
    time.sleep(2)
​
print(f"总价：{total}，岳麓区的租房均价为：{total/size}")

1.2.计算的类型（整租，合租）

str = """
name=整租·万科里金域国际 4室2厅 南,price=4500
name=独栋·魔方公寓 长沙航天溪湖店 连锁公寓直租无中介费 1室1厅,price=1800
name=整租·潇湘奥林匹克花园 1室1厅 南,price=2200
name=合租·达美美立方 5居室 复式 南卧,price=999
name=整租·万科里金域国际 3室2厅 南,price=3400
"""
# 计算的类型（整租，合租）
print("整租：", str.count("整租"))
print("合租：", str.count("合租"))

1.3.计算的房型

由于在爬取的数据中存在“居室”和“室”的区别，所以请将所有的“居室”数据替换成“室”。

str = """
name=整租·万科里金域国际 4室2厅 南,price=4500
name=独栋·魔方公寓 长沙航天溪湖店 连锁公寓直租无中介费 1室1厅,price=1800
name=整租·潇湘奥林匹克花园 1室1厅 南,price=2200
name=合租·达美美立方 5居室 复式 南卧,price=999
name=整租·万科里金域国际 3室2厅 南,price=3400
"""
import re
import collections
st = str.replace('居室','室')
rs = re.findall(r'\d室',st)
print(rs)
print(collections.Counter(rs))

2.抓取boss直聘前十页的数据

boss直聘网址：「北京招聘网」海量北京人才招聘信息 - BOSS直聘

2.1.抓取boss直聘前十页的数据

其中参数city=101020100是中国天气网全城市代码weather_cityId。

from selenium import webdriver
from selenium.webdriver.common.by import By
import time 
​
driver = webdriver.Chrome()
driver.get("https://www.zhipin.com/web/geek/job?query=java&city=101020100")
​
jobs = []
​
for i in range(3):
    time.sleep(6)
    elements = driver.find_elements(By.CSS_SELECTOR, ".job-card-wrapper")
    for el in elements:
        # 获取地区
        area = el.find_element(By.CSS_SELECTOR,"span.job-area").text
        # 获取薪酬
        salary = el.find_element(By.CSS_SELECTOR,"span.salary").text
        print(f"area={area},salary={salary}")
        jobs.append({
            'area':area,
            'salary':salary
        })
    driver.find_element(By.CSS_SELECTOR,".selected+a").click()
​
print(jobs)

2.2.将获取数据本地序列化

Python的pickle模块是一种用于序列化（将对象转换为字节流）和反序列化（将字节流转换回对象）Python对象的工具。它可以将Python对象保存到文件中或从文件中加载对象。

pickle模块还有其他一些有用的函数和特性。以下是一些常见的功能：

• pickle.dumps(obj)：将对象序列化为字节流，但不保存到文件中。

• pickle.loads(bytes_obj)：从字节流中加载对象，而不是从文件中加载。

• pickle.dump(obj, file)：将对象序列化并保存到文件中。

• pickle.load(file)：从文件中加载序列化的对象。

# 将获取到的结果保存到本地
p = Path("jobs.txt")
p.touch()
# 通过pickle.dump实现数据序列化
pickle.dump(jobs,p.open(mode="wb"))

2.3.计算每个区的需求个数与均价

# 计算每个区的需求个数与均价
jobs = pickle.load(open('jobs.txt',mode="rb"))
print(jobs)
areas=list(map(lambda a: "".join(re.findall(r'.*?·(.*?)·.*?',a['area'])),jobs))
print(areas)
import collections
rs = collections.Counter(areas)
​
for k,v in rs.items():
    print(f"【{k}】的工作岗位需求数：{v}")
    # 获取该区的工作集合
    ps = list(filter(lambda e: e['area'].count(k) > 0, jobs))
    # 获取该区的薪酬总价
    total = functools.reduce(lambda a,b:a+int(b['salary'].split('-')[0]),ps,0)
    print(f"该区的工作入门平均薪酬：{total/len(ps)}")