Python爬蟲實戰(zhàn)筆記_2-1 篩選房源

mongodb的使用
  1. step1 處理url摹察,先得到各個page的url, 用geturls()得到每個page中各個房源的url, 再用soup解析得到每個房源的相關信息汽久,依次存入數(shù)據(jù)庫
  2. step2 從數(shù)據(jù)庫查找>500的房源數(shù)據(jù)
  3. 順便實現(xiàn)了斷點續(xù)傳
#!usr/bin/env python
#_*_ coding: utf-8 _*_
#
# 在mongodb中篩選房源
#
from bs4 import BeautifulSoup
import requests
import os
import urllib

import pymongo
from mongoconn import mongoset


def geturls(url):
    url_data = requests.get(url)
    soup = BeautifulSoup(url_data.text, "lxml")
    pagelist = soup.select('#page_list > ul > li > a')
    urllist = [item.get('href') for item in pagelist]
    return urllist

def getemtext(element):
    return element.get_text().strip()

def getgender(element):
    if element.get("class") == ["member_boy_ico"]:
        return 'male'
    elif element.get("class") == ["member_girl_ico"]:
        return 'female'
    else:
        return ''
    pass

def get_target_info(url):
    url_data = requests.get(url)
    soup = BeautifulSoup(url_data.text, "lxml")
    title = soup.select('div.pho_info > h4 > em')
    address = soup.select('div.pho_info > p > span.pr5')
    image = soup.select('div.pho_show_big > div > img')
    price = soup.select('div.bg_box > div.day_top > div > span')
    lordname = soup.select('div.bg_box > div > div > h6 > a.lorder_name')
    gender = soup.select('div.bg_box > div > div > h6 > span')
    lordpic = soup.select('div.bg_box > div > div.member_pic > a > img')

    data = {
        "title": getemtext(title[0]),
        "address": getemtext(address[0]),
        "image": image[0].get('src'),
        "price": getemtext(price[0]),
        "lordname": getemtext(lordname[0]),#.get_text(),
        "gender": getgender(gender[0]),
        "lordpic": lordpic[0].get('src')
    }
    return data

if __name__ == '__main__':
    tinfo = mongoset('xiaozhu', 'info')
    tinfo.create_index([('title', pymongo.DESCENDING), ('address', pymongo.DESCENDING)], unique=True)
    ### step1 save data into mongodb
    urls = ["http://sh.xiaozhu.com/search-duanzufang-p{}-0/".format(pageid) for pageid in range(1, 4)]
    print(urls)
    for url in urls:
        urllist = geturls(url)
        for urlitem in urllist:
            data = get_target_info(urlitem)
            print({'title': data['title']})
            try:
                tinfo.insert_one(data)
            except pymongo.errors.DuplicateKeyError:
                tinfo.update_one({'title': data['title']}, {'$set': {'price': data['price']}})
            except:
                pass

    ### step2 get target info
    for info in tinfo.find({'price': {'$gt': '500'}}):
        #if int(info['price']) >= 500:
        print(info)

部分輸出信息如下

{'gender': 'female', 'lordpic': 'http://image.xiaozhustatic1.com/21/4,0,2,9380,374,374,194746bc.jpg', '_id': ObjectId('5775150484a5fd48784276e0'), 'image': 'http://image.xiaozhustatic1.com/00,800,533/4,0,81,10040,1798,1200,a0fc0b77.jpg', 'lordname': '空白色', 'address': '上海市閘北區(qū)止園路99弄1號樓', 'title': '人民廣場 外灘 地鐵零距離旅游溫馨便利兩居室', 'price': '599'}
{'gender': 'female', 'lordpic': 'http://image.xiaozhustatic1.com/21/4,0,2,9380,374,374,194746bc.jpg', '_id': ObjectId('5775150684a5fd48784276e3'), 'image': 'http://image.xiaozhustatic1.com/00,800,533/5,0,36,3151,1798,1200,62875638.jpg', 'lordname': '空白色', 'address': '上海市閘北區(qū)寶昌路399弄3號樓', 'title': '近外灘人民廣場上禾僦火車站地鐵站的豪華公寓', 'price': '599'}
{'gender': 'female', 'lordpic': 'http://image.xiaozhustatic1.com/21/2,0,7,3130,260,260,1edf95cd.jpg', '_id': ObjectId('5775150c84a5fd48784276ed'), 'image': 'http://image.xiaozhustatic1.com/00,800,533/2,0,74,4017,1800,1200,b920d1da.jpg', 'lordname': 'glorymedia', 'address': '上海市閔行區(qū)中春路新龍路', 'title': '近虹橋機場稀并、高鐵洒忧,花園鋼琴房', 'price': '1088'}
{'gender': 'female', 'lordpic': 'http://image.xiaozhustatic1.com/21/6,0,64,1269,250,250,8cd6afee.jpg', '_id': ObjectId('5775150e84a5fd48784276f0'), 'image': 'http://image.xiaozhustatic1.com/00,800,533/3,0,93,4657,1800,1200,38973fc6.jpg', 'lordname': '夏小G', 'address': '上海市嘉定區(qū)嘉寶夢之灣', 'title': '古鎮(zhèn)多彩設計感北歐風格民居 電影拍攝片場', 'price': '550'}
{'gender': 'female', 'lordpic': 'http://image.xiaozhustatic1.com/21/1,0,2,3091,260,260,bd3907dd.jpg', '_id': ObjectId('5775151684a5fd48784276fd'), 'image': 'http://image.xiaozhustatic1.com/00,802,533/5,0,50,1993,1300,865,83b4ddfc.jpg', 'lordname': '介介', 'address': '上海市黃浦區(qū)中山南路398號', 'title': '獨享外灘豪宅江景房 東方明珠 豫園', 'price': '799'}
{'gender': '', 'lordpic': 'http://image.xiaozhustatic1.com/21/2,0,30,4168,375,375,668e4b62.jpg', '_id': ObjectId('5775151c84a5fd4878427706'), 'image': 'http://image.xiaozhustatic1.com/00,800,533/6,0,15,2889,1798,1200,4573a3c7.jpg', 'lordname': '王湘', 'address': '上海市徐匯區(qū)襄陽南路306弄', 'title': '法國手藝人打造/法租界花園洋房/電影拍攝地', 'price': '538'}
{'gender': 'male', 'lordpic': 'http://image.xiaozhustatic1.com/21/4,0,4,9896,329,329,b702853f.jpg', '_id': ObjectId('5775151e84a5fd4878427709'), 'image': 'http://image.xiaozhustatic1.com/00,800,533/4,0,85,10672,1798,1200,d35465af.jpg', 'lordname': 'siyan5', 'address': '上海市徐匯區(qū)淮海中路1200弄', 'title': '淮海中路靜安寺1/2/7/10號地鐵兩房兩衛(wèi)', 'price': '698'}

數(shù)據(jù)表中保存的數(shù)據(jù)截圖


Screen Shot 2016-06-30 at 8.48.17 PM.png
總結(jié)
  • 有的房源沒有房主的性別信息胁塞,將gender屬性置空
  • from mongoconn import mongoset 引入的函數(shù)如下:
#!usr/bin/env python
#_*_ coding: utf-8 _*_
#
#  connect mongodb

import pymongo


def mongoset(db, table):
    client = pymongo.MongoClient('localhost', 27017)
    data = client[db]
    sheet = data[table]
    return sheet
  • mongo更新數(shù)據(jù)的用法:update_one
  • mongo設置主鍵的方法:create_index
最后編輯于
?著作權歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市溉奕,隨后出現(xiàn)的幾起案子褂傀,更是在濱河造成了極大的恐慌,老刑警劉巖加勤,帶你破解...
    沈念sama閱讀 210,978評論 6 490
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件仙辟,死亡現(xiàn)場離奇詭異,居然都是意外死亡鳄梅,警方通過查閱死者的電腦和手機叠国,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 89,954評論 2 384
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來戴尸,“玉大人粟焊,你說我怎么就攤上這事∷锩桑” “怎么了项棠?”我有些...
    開封第一講書人閱讀 156,623評論 0 345
  • 文/不壞的土叔 我叫張陵,是天一觀的道長挎峦。 經(jīng)常有香客問我香追,道長,這世上最難降的妖魔是什么坦胶? 我笑而不...
    開封第一講書人閱讀 56,324評論 1 282
  • 正文 為了忘掉前任透典,我火速辦了婚禮,結(jié)果婚禮上顿苇,老公的妹妹穿的比我還像新娘峭咒。我一直安慰自己,他們只是感情好岖圈,可當我...
    茶點故事閱讀 65,390評論 5 384
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著钙皮,像睡著了一般蜂科。 火紅的嫁衣襯著肌膚如雪顽决。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 49,741評論 1 289
  • 那天导匣,我揣著相機與錄音才菠,去河邊找鬼。 笑死贡定,一個胖子當著我的面吹牛赋访,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播缓待,決...
    沈念sama閱讀 38,892評論 3 405
  • 文/蒼蘭香墨 我猛地睜開眼蚓耽,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了旋炒?” 一聲冷哼從身側(cè)響起步悠,我...
    開封第一講書人閱讀 37,655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)和其女友劉穎瘫镇,沒想到半個月后鼎兽,有當?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 44,104評論 1 303
  • 正文 獨居荒郊野嶺守林人離奇死亡铣除,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...
    茶點故事閱讀 36,451評論 2 325
  • 正文 我和宋清朗相戀三年谚咬,在試婚紗的時候發(fā)現(xiàn)自己被綠了。 大學時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片尚粘。...
    茶點故事閱讀 38,569評論 1 340
  • 序言:一個原本活蹦亂跳的男人離奇死亡择卦,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出背苦,到底是詐尸還是另有隱情互捌,我是刑警寧澤,帶...
    沈念sama閱讀 34,254評論 4 328
  • 正文 年R本政府宣布行剂,位于F島的核電站秕噪,受9級特大地震影響,放射性物質(zhì)發(fā)生泄漏厚宰。R本人自食惡果不足惜腌巾,卻給世界環(huán)境...
    茶點故事閱讀 39,834評論 3 312
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望铲觉。 院中可真熱鬧澈蝙,春花似錦、人聲如沸撵幽。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,725評論 0 21
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽盐杂。三九已至逗载,卻和暖如春哆窿,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背厉斟。 一陣腳步聲響...
    開封第一講書人閱讀 31,950評論 1 264
  • 我被黑心中介騙來泰國打工挚躯, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人擦秽。 一個月前我還...
    沈念sama閱讀 46,260評論 2 360
  • 正文 我出身青樓码荔,卻偏偏與公主長得像,于是被迫代替她去往敵國和親感挥。 傳聞我的和親對象是個殘疾皇子缩搅,可洞房花燭夜當晚...
    茶點故事閱讀 43,446評論 2 348

推薦閱讀更多精彩內(nèi)容