【Python】赶集网二手房爬虫 (可扩展)

ccph

最近接了个义务单，是关于赶集网的二手房爬虫。


github:https://github.com/CcphAmy/pythonDemo

[Python] 纯文本查看 复制代码

import requests
import os

from bs4 import BeautifulSoup



class GanJi():
    """docstring for GanJi"""

    def __init__(self):
        super(GanJi, self).__init__()

    def get(self,url):

        user_agent = 'Mozilla/5.0 (Windows NT 6.3; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/52.0.2743.82 Safari/537.36'
        headers    = {'User-Agent':user_agent}
        
        webData    = requests.get(url + 'o1',headers=headers).text
        soup       = BeautifulSoup(webData,'lxml')
        
        
        sum        = soup.find('span',class_="num").text.replace("套","")
        ave        = int(sum) / 32
        forNum     = int(ave)

        if forNum < ave:
            forNum = forNum + 1


        for x in range(forNum):
            webData    = requests.get(url + 'o' + str(x + 1),headers=headers).text
            soup       = BeautifulSoup(webData,'lxml')
            find_list  = soup.find('div',class_="f-main-list").find_all('div',class_="f-list-item ershoufang-list")

            for dl in find_list:
                
                print(dl.find('a',class_="js-title value title-font").text,end='|') # 名称

                # 中间 5 个信息
                tempDD = dl.find('dd',class_="dd-item size").find_all('span')
                for tempSpan in tempDD:
                    if not tempSpan.text == '' : 
                        print(tempSpan.text.replace("\n", ""),end='|')

                
                print(dl.find('span',class_="area").text.replace(" ","").replace("\n",""),end='|') # 地址
                
                print(dl.find('div',class_="price").text.replace(" ","").replace("\n",""),end='|') # 价钱
                
                print(dl.find('div',class_="time").text.replace(" ","").replace("\n",""),end="|") # 平均
                
                print("http://chaozhou.ganji.com" + dl['href'],end="|") # 地址

                print(str(x + 1))

if __name__ == '__main__':
    temp = GanJi()
    temp.get("http://chaozhou.ganji.com/fang5/xiangqiao/")

ccph

l12h1 发表于 2018-8-6 17:27
谢谢大大分享！
我觉得不同城市可以用汉字转拼音的方法 来构建url
然后列一个主要城市的列表 抓取不同城 ...

具体可以完善，而且类型还可以更改

l12h1

谢谢大大分享！
我觉得不同城市可以用汉字转拼音的方法 来构建url
然后列一个主要城市的列表 抓取不同城市的数据
最后持久化一下就行

s35485677

不会用啊

andyzgs

非常不错，下载学习下。。。

s35485677

俺想买房，能不能教教怎么用啊？

陌森

感谢分享

waipojie123

感谢分享

kk1212

Python确实是非常的强大，比PHP强大多了

Jerry_bean

要是支持手动输入城市，选择需要查询的页码总数，会更方便一些吧

mengsiyiren

不会用系列

zs820553471

还有没有这样的单，i want