石頭的作業(yè)~第一周第三節(jié)練習(xí)項(xiàng)目:爬取租房信息

實(shí)戰(zhàn)計劃0430-石頭的練習(xí)作業(yè)

練習(xí)的要求


課程要求抓取的內(nèi)容:

實(shí)現(xiàn)效果如下

運(yùn)行結(jié)果

相關(guān)代碼

__author__ = 'daijielei'

'''
11課時練習(xí)奋早,從小豬短租處抓取一堆租房詳情
'''
from bs4 import BeautifulSoup   #解析html文檔用
import requests                 #抓取html頁面用
import time

#urls用來制定抓取范圍夷蚊,header該處無用處
header = {
    'User-Agent':'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_11_3) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/49.0.2623.110 Safari/537.36',
    'Host':'bj.xiaozhu.com'
}


#getlist用來抓取對應(yīng)網(wǎng)頁上的每個列表的跳轉(zhuǎn)url
#測試用url = "http://bj.xiaozhu.com/search-duanzufang-p1-0/"
def getlist(url):
    webData = requests.get(url,headers=header)
    soup = BeautifulSoup(webData.text,'lxml')

    houselists = soup.select('ul > li > a')

    for houselist in houselists:
        listUrl = str(houselist.get('href'))
        if(listUrl.find('http://bj.xiaozhu.com/fangzi/')!=-1):#確認(rèn)鏈接內(nèi)容為詳情頁娱颊,則進(jìn)行詳情頁信息抓取
            #print(listUrl)
            getInfoPage(listUrl)


#getInfoPage用來抓取詳情頁里的相關(guān)信息傲诵,如標(biāo)題、地址箱硕、金額拴竹、房屋圖片、擁有人圖片等等
#測試用url = "http://bj.xiaozhu.com/fangzi/525041101.html"
def getInfoPage(url):
    webData = requests.get(url,headers=header)
    soup = BeautifulSoup(webData.text,'lxml')
    time.sleep(2)

    titles = soup.select('body > div.wrap.clearfix.con_bg > div.con_l > div.pho_info > h4 > em')
    address = soup.select('body > div.wrap.clearfix.con_bg > div.con_l > div.pho_info > p > span.pr5')
    pays = soup.select('#pricePart > div.day_l > span')
    houseimages = soup.select('#curBigImage')
    ownerimages = soup.select('#floatRightBox > div.js_box.clearfix > div.member_pic > a > img')
    ownernames = soup.select('#floatRightBox > div.js_box.clearfix > div.w_240 > h6 > a')
    ownerSexs = soup.select('#floatRightBox > div.js_box.clearfix > div.w_240 > h6 > span')

    for title,addres,pay,houseimage,ownerimage,ownername,ownerSex in zip(titles,address,pays,houseimages,ownerimages,ownernames,ownerSexs):
        data = {
            'title':title.get_text(),
            'addres':addres.get_text(),
            'pay':pay.get_text(),
            'houseimage':houseimage.get('src'),
            'ownerimage':ownerimage.get('src'),
            'ownername':ownername.get_text(),
            'ownerSex':'female'
        }
        if('member_boy_ico' in str(ownerSex['class'])):#該處用來判斷是男性還是女性剧罩,男性是通過標(biāo)簽來區(qū)分
            data['ownerSex'] = "male"
        print(data)

def startCatch():
    urls = ["http://bj.xiaozhu.com/search-duanzufang-p{}-0/".format(str(i)) for i in range(1,3,1)]
    for url in urls:
        getlist(url)

#入口栓拜,該語句只有直接執(zhí)行時會被調(diào)用
if __name__ == '__main__':
    startCatch()

筆記、想法、總結(jié)

1菱属、這個代碼是之前寫的了钳榨,所以顯得比較亂,尤其是抓取的部分現(xiàn)在寫的話我就不會用這種寫法了

2纽门、這里面主要有3個函數(shù)薛耻,功能還是比較清晰,先爬取列表赏陵,再進(jìn)列表里去爬取數(shù)據(jù):

def startCatch():    #用來便利列表饼齿,會調(diào)用getlist
def getlist(url):      #用來抓取列表的數(shù)據(jù),會調(diào)用getInfoPage
def getInfoPage(url):#抓取詳情頁的數(shù)據(jù)

3蝙搔、比較難抓的數(shù)據(jù)只有性別信息缕溉,因?yàn)椴皇侵苯幽茏ト〉闹担且鲆幌屡袛啵?br> 在html中為如下,是用span里的class來區(qū)別男女吃型,男為member_boy_ico证鸥、女為member_girl_ico:

<h6>
<a class="lorder_name"  title="ocheese" target="_blank">ocheese</a>
<span class="member_girl_ico"></span>
</h6>

代碼中就是做一下判斷即可

        if('member_boy_ico' in str(ownerSex['class'])):#該處用來判斷是男性還是女性,男性是通過標(biāo)簽來區(qū)分
            data['ownerSex'] = "male"
最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末勤晚,一起剝皮案震驚了整個濱河市枉层,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌赐写,老刑警劉巖鸟蜡,帶你破解...
    沈念sama閱讀 211,496評論 6 491
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異挺邀,居然都是意外死亡揉忘,警方通過查閱死者的電腦和手機(jī),發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 90,187評論 3 385
  • 文/潘曉璐 我一進(jìn)店門端铛,熙熙樓的掌柜王于貴愁眉苦臉地迎上來泣矛,“玉大人,你說我怎么就攤上這事沦补∪樾睿” “怎么了?”我有些...
    開封第一講書人閱讀 157,091評論 0 348
  • 文/不壞的土叔 我叫張陵夕膀,是天一觀的道長虚倒。 經(jīng)常有香客問我,道長产舞,這世上最難降的妖魔是什么魂奥? 我笑而不...
    開封第一講書人閱讀 56,458評論 1 283
  • 正文 為了忘掉前任,我火速辦了婚禮易猫,結(jié)果婚禮上耻煤,老公的妹妹穿的比我還像新娘。我一直安慰自己,他們只是感情好哈蝇,可當(dāng)我...
    茶點(diǎn)故事閱讀 65,542評論 6 385
  • 文/花漫 我一把揭開白布棺妓。 她就那樣靜靜地躺著,像睡著了一般炮赦。 火紅的嫁衣襯著肌膚如雪怜跑。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 49,802評論 1 290
  • 那天吠勘,我揣著相機(jī)與錄音性芬,去河邊找鬼。 笑死剧防,一個胖子當(dāng)著我的面吹牛植锉,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播峭拘,決...
    沈念sama閱讀 38,945評論 3 407
  • 文/蒼蘭香墨 我猛地睜開眼俊庇,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了棚唆?” 一聲冷哼從身側(cè)響起暇赤,我...
    開封第一講書人閱讀 37,709評論 0 266
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎宵凌,沒想到半個月后,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體止后,經(jīng)...
    沈念sama閱讀 44,158評論 1 303
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡瞎惫,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 36,502評論 2 327
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發(fā)現(xiàn)自己被綠了译株。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片瓜喇。...
    茶點(diǎn)故事閱讀 38,637評論 1 340
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖歉糜,靈堂內(nèi)的尸體忽然破棺而出乘寒,到底是詐尸還是另有隱情,我是刑警寧澤匪补,帶...
    沈念sama閱讀 34,300評論 4 329
  • 正文 年R本政府宣布伞辛,位于F島的核電站,受9級特大地震影響夯缺,放射性物質(zhì)發(fā)生泄漏蚤氏。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 39,911評論 3 313
  • 文/蒙蒙 一踊兜、第九天 我趴在偏房一處隱蔽的房頂上張望竿滨。 院中可真熱鬧,春花似錦、人聲如沸于游。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,744評論 0 21
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽贰剥。三九已至倾剿,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間鸠澈,已是汗流浹背柱告。 一陣腳步聲響...
    開封第一講書人閱讀 31,982評論 1 266
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留笑陈,地道東北人际度。 一個月前我還...
    沈念sama閱讀 46,344評論 2 360
  • 正文 我出身青樓,卻偏偏與公主長得像涵妥,于是被迫代替她去往敵國和親乖菱。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 43,500評論 2 348

推薦閱讀更多精彩內(nèi)容