爬取北京链家二手房（requests和selenium）
发布时间
阅读量：
阅读量
从网页源码中可以看出这是静态网页，可以直接从源代码里拿数据，先用requests，在用BeautifulSoup解析，最后通过查找获取数据
import requests
from bs4 import BeautifulSoup
def get_li():
re=requests.get(url,headers=headers)
soup=BeautifulSoup(re.text,'html.parser')
num=soup.find('ul',class_='sellListContent')
return num
def get_data(num):
for i in num:
try:
price=i.find('div',class_='totalPrice totalPrice2').find('span').text
size=i.find('div',class_="houseInfo").text
print(f"{size},价格为{price}万")
except:
pass
if __name__ == '__main__':
for j in range(1, 11):
url = f'https://bj.lianjia.com/ershoufang/pg{j}/'
headers = {
"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/96.0.4664.110 Safari/537.36"
}
lis=get_li()
get_data(lis)
python
可以通过改 j 来改爬取网页的数量，为防止反爬，所以加个请求头，而BeautifulSoup解析后的对象是Tag对象，可以通过class或者id等来查找数据。
第二种是selenium方法，
from selenium import webdriver
from selenium.webdriver.common.by import By
web=webdriver.Chrome()
web.get('https://bj.lianjia.com/ershoufang/')
web.maximize_window()
web.implicitly_wait(10)
lis=web.find_elements(By.XPATH,'//*[@id="content"]/div[1]/ul/li')
for li in lis:
try:
size=li.find_element(By.CLASS_NAME,'houseInfo').text
price=li.find_element(By.XPATH,'//*[@id="content"]/div[1]/ul/li[1]/div[1]/div[6]/div[1]/span').text
print(f"{size},价格为{price}万")
except:
pass
input()
web.close()
python
其中的try except是因为中间有个li是广告，但可以通过这种方法将其忽略。
如果最后想要保存的Excel表格中的可以导入xlwt来储存
全部评论 (0)
还没有任何评论哟~