爬取链家二手房数据做数据分析




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

Vue中使用mind-map实现在线思维导图
2024年08月04日
VUE
Web前端最全Vue实现免密登录跳转的方式_vue怎么样不登录返回首页,最强技术实现
2024年08月04日
VUE
vue3 项目搭建教程(基于create-vue,vite,Vite + Vue)
2024年08月04日
VUE
Vue-颜色选择器实现方案——>Vue-Color( 实战*1+ Demo*7)
2024年08月04日
VUE
Vue项目卡顿慢加载?这些优化技巧告诉你!_vue数据多渲染卡顿
2024年08月04日
VUE
vue中的keep-alive详解与应用场景
2024年08月04日
VUE
Vue、React实现excel导出功能(三种实现方式保姆级讲解)
2024年08月04日
vue-office/docx插件实现docx文件预览
2024年08月04日
VUE
java调用js文件的两种方法(支持V8引擎)
2024年08月04日
JavaScript:解决计算精度问题/mathjs/bignumber.js/big.js/decimal.js
2024年08月04日
两周从爬虫小白变大神 _yjs_js_security_passport
2024年08月04日
JS笔记(对象、函数、数组)
2024年08月04日
Markdown.js:强大的纯JavaScript Markdown解析器
2024年08月04日
Vue项目:js模拟点击a标签下载文件并重命名,URL文件地址下载方法、请求接口下载文件方法总结。
2024年08月04日
vue 父组件怎么获取子组件里面的data数据
2024年08月04日
VUE
个人开发实现AI套壳网站快速搭建(Vue+elementUI+SpringBoot)
2024年08月04日
el-table 表格封装并改造实现单元格可编辑
2024年08月04日
none
nodejs环境下创建vue项目、SSH密钥登陆!!!
2024年08月04日
vue+quill+element-ui实现视频、图片上传及缩放保姆级教程,轻松使用富文本
2024年08月04日
【three.js】22. Imported Models导入模型
2024年08月04日