小伙伴,我又来了,这次我们写的是用python爬虫爬取乌鲁木齐的房产数据并展示在地图上,地图工具我用的是 BDP个人版-免费在线数据分析软件,数据可视化软件 ,这个可以导入csv或者excel数据。
学习Python中有不明白推荐加入交流裙
号:735934841
群里有志同道合的小伙伴,互帮互助,
群里有免费的视频学习教程和PDF!
本次我使用的是scrapy框架,可能有点大材小用了,主要是刚学完用这个练练手,再写代码前我还是建议大家先分析网站,分析好数据,再去动手写代码,因为好的分析可以事半功倍,乌鲁木齐楼盘,乌鲁木齐新楼盘,乌鲁木齐楼盘信息 - 乌鲁木齐吉屋网 这个网站的数据比较全,每一页获取房产的LIST信息,并且翻页,点进去是详情页,获取房产的详细信息(包含名称,地址,房价,经纬度),再用pipelines保存item到excel里,最后在bdp生成地图报表,废话不多说上代码:
JiwuspiderSpider.py
# -*- coding: utf-8 -*-from scrapy import Spider,Requestimport refrom jiwu.items import JiwuItemclass JiwuspiderSpider(Spider): name = "jiwuspider" allowed_domains = ["wlmq.jiwu.com"] start_urls = [‘http://wlmq.jiwu.com/loupan‘] def parse(self, response): """ 解析每一页房屋的list :param response: :return: """ for url in response.xpath(‘//a[@class="index_scale"]/@href‘).extract(): yield Request(url,self.parse_html) # 取list集合中的url 调用详情解析方法 # 如果下一页属性还存在,则把下一页的url获取出来 nextpage = response.xpath(‘//a[@class="tg-rownum-next index-icon"]/@href‘).extract_first() #判断是否为空 if nextpage: yield Request(nextpage,self.parse) #回调自己继续解析 def parse_html(self,response): """ 解析每一个房产信息的详情页面,生成item :param response: :return: """ pattern = re.compile(‘<script type="text/javascript">.*?lng = ‘(.*?)‘;.*?lat = ‘(.*?)‘;.*?bname = ‘(.*?)‘;.*?‘ ‘address = ‘(.*?)‘;.*?price = ‘(.*?)‘;‘,re.S) item = JiwuItem() results = re.findall(pattern,response.text) for result in results: item[‘name‘] = result[2] item[‘address‘] = result[3] # 对价格判断只取数字,如果为空就设置为0 pricestr =result[4] pattern2 = re.compile(‘(d+)‘) s = re.findall(pattern2,pricestr) if len(s) == 0: item[‘price‘] = 0 else:item[‘price‘] = s[0] item[‘lng‘] = result[0] item[‘lat‘] = result[1] yield item
item.py
# -*- coding: utf-8 -*-# Define here the models for your scraped items## See documentation in:# http://doc.scrapy.org/en/latest/topics/items.htmlimport scrapyclass JiwuItem(scrapy.Item): # define the fields for your item here like: name = scrapy.Field() price =scrapy.Field() address =scrapy.Field() lng = scrapy.Field() lat = scrapy.Field() pass
pipelines.py 注意此处是吧mongodb的保存方法注释了,可以自选选择保存方式
# -*- coding: utf-8 -*-# Define your item pipelines here## Don‘t forget to add your pipeline to the ITEM_PIPELINES setting# See: http://doc.scrapy.org/en/latest/topics/item-pipeline.htmlimport pymongofrom scrapy.conf import settingsfrom openpyxl import workbookclass JiwuPipeline(object): wb = workbook.Workbook() ws = wb.active ws.append([‘小区名称‘, ‘地址‘, ‘价格‘, ‘经度‘, ‘纬度‘]) def __init__(self): # 获取数据库连接信息 host = settings[‘MONGODB_URL‘] port = settings[‘MONGODB_PORT‘] dbname = settings[‘MONGODB_DBNAME‘] client = pymongo.MongoClient(host=host, port=port) # 定义数据库 db = client[dbname] self.table = db[settings[‘MONGODB_TABLE‘]] def process_item(self, item, spider): jiwu = dict(item) #self.table.insert(jiwu) line = [item[‘name‘], item[‘address‘], str(item[‘price‘]), item[‘lng‘], item[‘lat‘]] self.ws.append(line) self.wb.save(‘jiwu.xlsx‘) return item
最后报表的数据
mongodb数据库
地图报表效果图:BDP分享仪表盘,分享可视化效果
https://me.bdp.cn/share/index.html?shareId=sdo_b697418ff7dc4f928bb25e3ac1d52348
小编推荐大家可以加我的扣扣群 735934841 。
里面有海量视频教程和学习资料免费领取,
不失为是一个学习的好地方,欢迎你的到来。
一起交流学习!共同进步!!
原文地址:https://www.cnblogs.com/52lmx/p/10185465.html