首先说一下文件用到的库：

1. time ：提供了与时间相关的功能，如延时等。

2. random ：提供了生成随机数的功能，如生成随机整数、随机选择等。 

3. requests ：用于发送 HTTP 请求，可以用来获取网页内容。

4. pandas ：是一个数据处理和分析库，提供了高效的数据结构和数据分析工具，可以方便地对数据进行处理和分析。

5. BeautifulSoup ：是一个用于解析 HTML 和 XML 文件的库，可以方便地提取其中的数据。

6.  faker ：用于生成虚假数据，例如生成虚假的姓名、地址、电子邮件等。 这些库在爬虫开发中非常常用。

   time 和 random 可以用来控制爬虫的访问速度，避免对目标网站造成过大的负载。 requests 可以用来发送 HTTP 请求，获取网页内容。 pandas 可以用来处理和分析爬取到的数据。 BeautifulSoup 可以用来解析网页内容，提取其中的数据。 faker 可以用来生成虚假的数据，用于测试或模拟爬虫程序。

   分析 “贝壳网站” 页面

   第 1 页
   

   https://cq.zu.ke.com/zufang/pg1/#contentList

   第 2 页
   https://cq.zu.ke.com/zufang/pg2/#contentList
   第 3 页
   https://cq.zu.ke.com/zufang/pg3/#contentList
   … …
   … …
   第 n 页
   https://cq.zu.ke.com/zufang/pgn/#contentList
   

分析前端元素：

可发现目标在每个class为content__list--item的div中

首先获取此div：

zufangxinxis=soup.findAll('div', class_='content__list--item')

这串代码就是找到页面上所有class为content_list--item的div

继续分析在此div下面还有个class为content__list--item--main的div，下一步就是找到此div

for xinxi in zufangxinxis:
# CSS 选择器
    weizhi = soup.select("p[class='content__list--item--title'] a[class='twoline']")
    jiage = soup.select("span[class='content__list--item-price']")

还没写完，稍等……

完整代码：

import time
import random
import requests
import pandas as pd
from bs4 import BeautifulSoup
from faker import Factory
def get_user_agent(num):
    """
    生成不同的 user-agent
    :param num: 生成个数
    :return: list
    """
    factory = Factory.create()
    user_agent = []
    for i in range(num):
        user_agent.append({'User-Agent': factory.user_agent()})
    return user_agent
def get_proxy(pages, ua_num):
    #爬取数据，清洗整合
    headers = get_user_agent(ua_num)  # 请求头
    proxy_list = []  # 最后需入库保存的房源数据
    try:
        for num in range(0, pages):
            print('Start：第 %d 页请求' % (num + 1))
            # 请求路径
            url = 'https://cq.zu.ke.com/zufang/pg' + str(num + 1) + '/' + '#contentList'
            # url = 'https://cq.zu.ke.com/zufang/pg1' +'/' + '#contentList'
            # 随机延时（randint生成的随机数n: a <= n <= b ；random产生 0 到 1 之间的随机浮点数）
            time.sleep(random.randint(1, 2) + random.random())
            header_i = random.randint(0, len(headers) - 1)  # 随机获取1个请求头

            # BeautifulSoup 解析
            html = requests.get(url, headers=headers[header_i])
            soup = BeautifulSoup(html.text, 'lxml')
            # 获取所有 div 标签中 class 为 content__list--item--title 的元素
            zufangxinxis = soup.findAll('div', class_='content__list--item')
            for xinxi in zufangxinxis:
            # CSS 选择器
                weizhi = soup.select("p[class='content__list--item--title'] a[class='twoline']")
                jiage = soup.select("span[class='content__list--item-price']")
                for i, p in zip(weizhi, jiage):
                    i_jiagou = str(i.get_text())
                    i_jiege =  str(p.get_text())
                    flag = (i_jiagou,headers[header_i])
                    if flag:
                        p_xinxi=str(i_jiagou)
                        p_jiege=str(i_jiege)
                        proxy_list.append([p_xinxi,p_jiege])
            print('End：第 %d 页结束！==========================' % (num + 1))
    except Exception as e:
        print('程序 get_proxy 发生错误，Error：', e)

    finally:
        # 调用保存的方法
        write_proxy(proxy_list)

    return proxy_list
def write_proxy(proxy_list):
    """
    将清洗好的列表数据，保存到xlsx文件
    :param proxy_list: 房源信息数据列表
    :return: bool
    """
    date_now ='租房信息表'     # 名字
    flag = True    # 保存成功标志
    print('--- 开始保存 ---')
    try:
        df = pd.DataFrame(proxy_list,
                          columns=['房源信息','价格'])
        df.to_excel(date_now + '_proxy.xlsx', index=False)
        print('--- 保存成功！---')
    except Exception as e:
        print('--- 保存失败！---：', e)
        flag = False
    return flag
def main():
    """
    主方法
    """
    pa = input('请输入你想爬取的页数：')# 定义爬取页数
    pages =int(pa)
    ua = input('请输入你想生成user-agent个数:')# 定义需生成user-agent个数
    ua_num = int(ua)
    proxy_list = get_proxy(pages, ua_num)
    print(proxy_list)
if __name__ == '__main__':
    # 1.主方法
    main()