爬取链家二手房数据做数据分析

warning: 这篇文章距离上次修改已过186天,其中的内容可能已经有所变动。



import requests
from bs4 import BeautifulSoup
import pandas as pd
 
# 设置请求头,模拟浏览器访问
headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.3'}
 
# 房源信息列表
house_info_list = []
 
# 获取页面内容
def get_page_content(url):
    response = requests.get(url, headers=headers)
    if response.status_code == 200:
        return response.text
    return None
 
# 解析页面数据
def parse_page(content):
    soup = BeautifulSoup(content, 'lxml')
    house_info = {}
 
    # 获取房源标题
    house_info['title'] = soup.select('.houseInfo-title')[0].text
 
    # 获取房源价格
    house_info['price'] = soup.select('.price-det')[0].text
 
    # 获取房源地址
    house_info['address'] = soup.select('.house-address')[0].text
 
    # 获取房源描述
    house_info['desc'] = soup.select('.house-brief')[0].text
 
    return house_info
 
# 爬取数据
def crawl_data(url):
    content = get_page_content(url)
    if content:
        house_info_list.append(parse_page(content))
 
# 爬取二手房数据
def crawl_house_data(page_num):
    for i in range(1, page_num+1):
        url = f'https://shanghai.lianjia.com/ershoufang/pg{i}/'
        crawl_data(url)
 
# 保存数据到CSV文件
def save_to_csv(file_name):
    df = pd.DataFrame(house_info_list)
    df.to_csv(file_name, index=False, encoding='utf-8')
 
# 主函数
def main():
    # 设置最大爬取页数
    max_page = 10
    crawl_house_data(max_page)
    save_to_csv('lianjia_shanghai_ershoufang.csv')
 
if __name__ == '__main__':
    main()

这段代码实现了在链家网上爬取上海地区二手房数据的基本功能。代码首先设置了请求头,模拟浏览器访问,然后定义了获取页面内容、解析页面数据和保存数据到CSV文件的函数。最后,在主函数中通过设置最大爬取页数,调用爬取数据和保存数据的函数来执行爬虫任务。这个例子简单易懂,适合作为学习爬虫技术的入门示例。

最后修改于:2024年08月16日 10:22

评论已关闭

推荐阅读

DDPG 模型解析,附Pytorch完整代码
2024年11月24日
DQN 模型解析,附Pytorch完整代码
2024年11月24日
AIGC实战——Transformer模型
2024年12月01日
Socket TCP 和 UDP 编程基础(Python)
2024年11月30日
python , tcp , udp
如何使用 ChatGPT 进行学术润色?你需要这些指令
2024年12月01日
AI
最新 Python 调用 OpenAi 详细教程实现问答、图像合成、图像理解、语音合成、语音识别(详细教程)
2024年11月24日
ChatGPT 和 DALL·E 2 配合生成故事绘本
2024年12月01日
omegaconf,一个超强的 Python 库!
2024年11月24日
【视觉AIGC识别】误差特征、人脸伪造检测、其他类型假图检测
2024年12月01日
[超级详细]如何在深度学习训练模型过程中使用 GPU 加速
2024年11月29日
Python 物理引擎pymunk最完整教程
2024年11月27日
MediaPipe 人体姿态与手指关键点检测教程
2024年11月27日
深入了解 Taipy:Python 打造 Web 应用的全面教程
2024年11月26日
基于Transformer的时间序列预测模型
2024年11月25日
Python在金融大数据分析中的AI应用(股价分析、量化交易)实战
2024年11月25日
AIGC Gradio系列学习教程之Components
2024年12月01日
Python3 `asyncio` — 异步 I/O,事件循环和并发工具
2024年11月30日
llama-factory SFT系列教程:大模型在自定义数据集 LoRA 训练与部署
2024年12月01日
Python 多线程和多进程用法
2024年11月24日
Python socket详解,全网最全教程
2024年11月27日