事情是这样的,小学妹刚毕业参加工作,人生地不熟的,因为就在我附近上班,所以想找我借宿。。。
想什么呢,都不给住宿费,想免费住?于是我用Python连夜给她找了个单间,自己去住吧!
软件环境
Python 3.8
Pycharm
代码展示
模块
# 数据请求模块 --> 第三方模块, 需要安装 pip install requests
import requests
# 解析数据模块 --> 第三方模块, 需要安装 pip install parsel
import parsel
# csv模块
import csv
创建文件
f = open('data.csv', mode='w', encoding='utf-8', newline='')
csv_writer = csv.DictWriter(f, fieldnames=['标题','小区','区域','售价','单价','户型','面积','朝向','装修','楼层','年份','建筑类型','详情页',
])
csv_writer.writeheader()
发送请求, 模拟浏览器 对于 url地址 发送请求
模拟浏览器
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'
}
请求网址/网站
url = 'https://cs.***.com/ershoufang/'
发送请求
response = requests.get(url=url, headers=headers)
# <Response [200]> 响应对象 200 状态码 表示请求成功
print(response)
获取数据, 获取网页源代码 <获取服务器返回响应数据>
解析数据, 提取我们想要的数据内容
解析方法:
-
re: 对于字符串数据直接进行解析提取
-
css: 根据标签属性提取数据内容
-
xpath: 根据标签节点提取数据内容
使用css: 根据标签属性提取数据内容
把获取到html字符串数据, 转成可解析对象
selector = parsel.Selector(response.text)
获取所有房源信息所在li标签
lis = selector.css('.sellListContent li.clear')
for循环遍历
for li in lis:"""提取具体房源信息: 标题 / 价格 / 位置 / 户型....title a --> 表示定位class类名为title下面a标签"""title = li.css('.title a::text').get() # 标题info_list = li.css('.positionInfo a::text').getall()area = info_list[0] # 小区名字area_1 = info_list[1] # 地区totalPrice = li.css('.totalPrice span::text').get() # 售价unitPrice = li.css('.unitPrice span::text').get().replace('元/平', '').replace(',', '') # 单价houseInfo = li.css('.houseInfo::text').get().split(' | ') # 信息houseType = houseInfo[0] # 户型houseArea = houseInfo[1].replace('平米', '') # 面积houseFace = houseInfo[2] # 朝向fitment = houseInfo[3] # 装修fool = houseInfo[4] # 楼层if len(houseInfo) == 7 and '年' in houseInfo[5]:year = houseInfo[5].replace('年建', '')else:year = ''house = houseInfo[-1] # 建筑类型href = li.css('.title a::attr(href)').get() # 详情页dit = {'标题': title,'小区': area,'区域': area_1,'售价': totalPrice,'单价': unitPrice,'户型': houseType,'面积': houseArea,'朝向': houseFace,'装修': fitment,'楼层': fool,'年份': year,'建筑类型': house,'详情页': href,}csv_writer.writerow(dit)print(dit)# print(title, area, area_1, totalPrice, unitPrice, houseType, houseArea, houseFace, fitment, fool, year, house, href)
多线程
导入模块
import requests
import parsel
import re
import csv
# 线程池模块
import concurrent.futures
import time
发送请求函数
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
获取数据函数
def get_content(html_url):""":param html_url::return:"""response = get_response(html_url)html_data = get_response(link).textselector = 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() # 标题area = '-'.join(li.css('.positionInfo a::text').getall()) # 小区Price = li.css('.totalPrice span::text').get() # 总价Price_1 = li.css('.unitPrice span::text').get().replace('元/平', '') # 单价houseInfo = li.css('.houseInfo::text').get() # 信息HouseType = houseInfo.split(' | ')[0] # 户型HouseArea = houseInfo.split(' | ')[1].replace('平米', '') # 面积direction = houseInfo.split(' | ')[2].replace(' ', '') # 朝向renovation = houseInfo.split(' | ')[3] # 装修floor_info = houseInfo.split(' | ')[4]floor = floor_info[:3] # 楼层floor_num = re.findall('(\d+)层', floor_info)[0] # 层数BuildingType = houseInfo.split(' | ')[-1]string = select.css('.comments div:nth-child(7) .comment_text::text').get()href = li.css('.title a::attr(href)').get() # 详情页if len(houseInfo.split(' | ')) == 6:date = 'None'else:date = houseInfo.split(' | ')[5].replace('年建', '') # 日期print(string)dit = {'标题': title,'内容': string,'小区': area,'总价': Price,'单价': Price_1,'户型': HouseType,'面积': HouseArea,'朝向': direction,'装修': renovation,'楼层': floor,'层数': floor_num,'建筑日期': date,'建筑类型': BuildingType,'详情页': href,}content_list.append(dit)return content_list
主函数
def main(page):""":param page::return:"""print(f'===============正在采集第{page}页的数据内容===============')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'# 创建文件f = open('data多线程.csv', mode='a', encoding='utf-8', newline='')csv_writer = csv.DictWriter(f, fieldnames=['标题','内容','小区','总价','单价','户型','面积','朝向','装修','楼层','层数','建筑日期','建筑类型','详情页',])csv_writer.writeheader()# 线程池执行器 max_workers 最大线程数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)# 总计耗时: 9print('总计耗时:', use_time)
最后
好了,今天分享就到这里,我要假装不在家,不然小学妹又来找我!