爬取链家任意城市租房数据(北京朝阳)

  1 #!/usr/bin/env python
  2 # -*- coding: utf-8 -*-
  3 # @Time    : 2019-08-16 15:56
  4 # @Author  : Anthony
  5 # @Email   : [email protected]
  6 # @File    : 爬取链家任意城市租房数据.py
  7
  8
  9 import requests
 10 from lxml import etree
 11 import time
 12 import xlrd
 13 import os
 14 import xlwt
 15 from xlutils.copy import copy
 16
 17 # 伪装请求
 18 headers = {
 19     ‘User-Agent‘: ‘Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/47.0.2526.106 BIDUBrowser/8.7 Safari/537.36‘
 20 }
 21
 22 xlsInfo = {}
 23
 24 def catchHouseDetail(url):
 25     # 通过requests模块模拟get请求
 26     page_text = requests.get(url, headers=headers, stream=True)
 27
 28     # 将互联网上获取的页面数据加载到etree对象中
 29     tree = etree.HTML(page_text.text)
 30
 31     # 定位页面标签位置装入一个list中
 32     li_list = tree.xpath(‘//div[@class="content w1150"]/div[@class="content__article"]/div[@class="content__list"]/div‘)
 33     all_house_list = []
 34     # 遍历列表中每一个字段
 35     for li in li_list:
 36         info = []
 37         # 房屋标题
 38         # houseTitles = li.xpath(‘.//div[@class="content__list--item--main"]/p[@class="content__list--item--bottom oneline"]/i/text()‘)
 39         # print(*houseTitles)
 40         # 租房方式
 41         houseWay = li.xpath(‘.//div[@class="content__list--item--main"]/p[@class="content__list--item--title twoline"]/a/text()‘)[0].strip().split(‘ ‘)[0].split(‘·‘)[0]
 42         # 月租金额
 43         houseMoney = li.xpath(‘.//div[@class="content__list--item--main"]/span[@class="content__list--item-price"]/em/text()‘)[0]+‘元/月‘
 44         # 小区名称
 45         plotName = li.xpath(‘.//div[@class="content__list--item--main"]/p[@class="content__list--item--title twoline"]/a/text()‘)[0].strip().split(‘ ‘)[0].split(‘·‘)[1]
 46         # 房屋大小
 47         houseSize = li.xpath(‘.//div[@class="content__list--item--main"]/p[@class="content__list--item--des"]/text()‘)[4].strip()
 48         # 房屋户型
 49         houseType = li.xpath(‘.//div[@class="content__list--item--main"]/p[@class="content__list--item--title twoline"]/a/text()‘)[0].strip().split(‘ ‘)[1]
 50         # 房屋朝向
 51         houseOrientation = li.xpath(‘.//div[@class="content__list--item--main"]/p[@class="content__list--item--title twoline"]/a/text()‘)[0].strip().split(‘ ‘)[2]
 52         # 区域位置
 53         communityArea = li.xpath(‘.//div[@class="content__list--item--main"]/p[@class="content__list--item--des"]/a/text()‘)[0]
 54         # 地铁站名称
 55         subwayArea = li.xpath(‘.//div[@class="content__list--item--main"]/p[@class="content__list--item--des"]/a/text()‘)[1]
 56         # 小区名称
 57         # plotName = li.xpath(‘.//div[@class="content__list--item--main"]/p[@class="content__list--item--des"]/a/text()‘)[2]
 58         # 发布时间
 59         releaseTime = li.xpath(‘.//div[@class="content__list--item--main"]/p[@class="content__list--item--time oneline"]/text()‘)[0]
 60
 61         info.append(houseWay)
 62         info.append(houseMoney)
 63         info.append(plotName)
 64         info.append(houseSize)
 65         info.append(houseType)
 66         info.append(houseOrientation)
 67         info.append(communityArea)
 68         info.append(subwayArea)
 69         info.append(releaseTime)
 70
 71         all_house_list.append(info)
 72     if if_xls_exits() == True:
 73         write_excel_xls_append(xlsInfo["xlsName"],all_house_list)
 74
 75 # print(catchHouseDetail(‘https://bj.lianjia.com/zufang/chaoyang/pg1‘))
 76
 77
 78 #获取数据写入xls表格中
 79 def write_excel_xls(path, sheet_name, value):
 80     index = len(value)  # 获取需要写入数据的行数
 81     workbook = xlwt.Workbook()  # 新建一个工作簿
 82     sheet = workbook.add_sheet(sheet_name)  # 在工作簿中新建一个表格
 83     for i in range(0, index):
 84         for j in range(0, len(value[i])):
 85             sheet.write(i, j, value[i][j])  # 像表格中写入数据（对应的行和列）
 86     workbook.save(path)  # 保存工作簿
 87     print("xls格式表格写入数据成功！")
 88
 89
 90
 91 def write_excel_xls_append(path, value):
 92     index = len(value)  # 获取需要写入数据的行数
 93     workbook = xlrd.open_workbook(path)  # 打开工作簿
 94     sheets = workbook.sheet_names()  # 获取工作簿中的所有表格
 95     worksheet = workbook.sheet_by_name(sheets[0])  # 获取工作簿中所有表格中的的第一个表格
 96     rows_old = worksheet.nrows  # 获取表格中已存在的数据的行数
 97     new_workbook = copy(workbook)  # 将xlrd对象拷贝转化为xlwt对象
 98     new_worksheet = new_workbook.get_sheet(0)  # 获取转化后工作簿中的第一个表格
 99     for i in range(0, index):
100         for j in range(0, len(value[i])):
101             new_worksheet.write(i + rows_old, j, value[i][j])  # 追加写入数据，注意是从i+rows_old行开始写入
102     new_workbook.save(path)  # 保存工作簿
103     print("xls格式表格【追加】写入数据成功！")
104
105
106
107
108 def if_xls_exits():
109     while True:
110         book_name_xls = ‘北京链家租房信息表.xls‘
111         sheet_name_xls = ‘房屋信息‘
112         value_title = [["租房方式", "月租金额", "小区名称", "房屋大小", "房屋户型", "房屋朝向", "区域位置", "地铁站名称", "房屋发布时间"], ]
113         if os.path.exists(‘./%s‘%book_name_xls):
114             xlsInfo["xlsName"] = book_name_xls
115             return True
116         else:
117             write_excel_xls(book_name_xls, sheet_name_xls, value_title)
118             continue
119
120
121
122
123
124 def catch():
125     pages = [‘https://bj.lianjia.com/zufang/chaoyang/pg{}/‘.format(x) for x in range(1,100)]
126     for page in pages:
127         try:
128             info = catchHouseDetail(page)
129         except:
130             pass
131         time.sleep(2)
132
133
134 if __name__ == ‘__main__‘:
135     catch()

 效果图：

原文地址：https://www.cnblogs.com/ipyanthony/p/11365950.html