python爬虫（房天下）

房天下

import requests

res = requests.get('http://esf.sz.fang.com/')

#res.text

from bs4 import BeautifulSoup

soup = BeautifulSoup(res.text,'html.parser')

domain = 'http://esf.sz.fang.com'

for house in soup.select('.houseList dl'):

    if len(house.select('.title')) > 0:

        #print(house.select('.title'))

        #print(house.select('.title')[0].text.strip('\n'))

        #title = house.select('.title')[0].text.strip('\n')

        link = house.select('.title a')[0]['href']

        url = domain + link

        #print(title)

        print(url)

        print("=====================================")

http://esf.sz.fang.com/chushou/3_195350255.htm

=====================================

http://esf.sz.fang.com/chushou/3_195673873.htm

=====================================

http://esf.sz.fang.com/chushou/3_194871298.htm

=====================================

http://esf.sz.fang.com/chushou/3_195440493.htm

=====================================

http://esf.sz.fang.com/chushou/3_194941076.htm

=====================================

http://esf.sz.fang.com/chushou/3_195229169.htm

=====================================

http://esf.sz.fang.com/chushou/3_195408601.htm

=====================================

http://esf.sz.fang.com/chushou/3_195686255.htm

=====================================

http://esf.sz.fang.com/chushou/3_195652264.htm

=====================================

http://esf.sz.fang.com/chushou/3_195602160.htm

=====================================

http://esf.sz.fang.com/chushou/3_195499064.htm

=====================================

http://esf.sz.fang.com/chushou/3_195655132.htm

=====================================

http://esf.sz.fang.com/chushou/3_195018784.htm

=====================================

http://esf.sz.fang.com/chushou/3_193837152.htm

=====================================

http://esf.sz.fang.com/chushou/3_195680364.htm

=====================================

http://esf.sz.fang.com/chushou/3_195585056.htm

=====================================

http://esf.sz.fang.com/chushou/3_195346885.htm

=====================================

http://esf.sz.fang.com/chushou/3_195500516.htm

=====================================

http://esf.sz.fang.com/chushou/3_194325860.htm

=====================================

http://esf.sz.fang.com/chushou/3_195556602.htm

=====================================

http://esf.sz.fang.com/chushou/3_195555259.htm

=====================================

http://esf.sz.fang.com/chushou/3_195692033.htm

=====================================

http://esf.sz.fang.com/chushou/3_195202600.htm

=====================================

http://esf.sz.fang.com/chushou/3_195521932.htm

=====================================

http://esf.sz.fang.com/chushou/3_195392858.htm

=====================================

http://esf.sz.fang.com/chushou/3_194891027.htm

=====================================

http://esf.sz.fang.com/chushou/3_192915787.htm

=====================================

http://esf.sz.fang.com/chushou/3_195538851.htm

=====================================

http://esf.sz.fang.com/chushou/3_195737629.htm

=====================================

http://esf.sz.fang.com/chushou/3_195587205.htm

=====================================

'''

[0] 出错

IndexError: list index out of range

第1种可能情况

list[index]index超出范围

第2种可能情况

list是一个空的没有一个元素

进行list[0]就会出现该错误

'''

import requests

res = requests.get('http://esf.sz.fang.com/chushou/10_195724712.htm')

from bs4 import BeautifulSoup

soup = BeautifulSoup(res.text,'html.parser')

soup.select('.title h1')[0].text.strip()

'碧桂园翡翠山坡地别墅 配套设施齐全 环境优美 价格实惠 交通便利'

info = {}

info['标题'] = soup.select('.title h1')[0].text.strip()

info

{'标题': '碧桂园翡翠山坡地别墅 配套设施齐全 环境优美 价格实惠 交通便利'}

soup.select('.zongjia1 .red20b')[0].text

'398'

info['总价'] = soup.select('.zongjia1 .red20b')[0].text

info

{'总价': '398', '标题': '碧桂园翡翠山坡地别墅 配套设施齐全 环境优美 价格实惠 交通便利'}

for dd in soup.select('dd'):

    if '：' in dd.text.strip():

        #print(dd.text.strip().split('：'))

        key,value = dd.text.strip().split('：')

        info[key] = value

info

{'专业度': '2.3',

 '二 手 房': '32套',

 '使用面积': '216�O',

 '厅 结 构': '平层',

 '参考月供': '',

 '参考首付': '119.4万',

 '同比去年': '↓2.1%',

 '地上层数': '3层',

 '地下室面积': '200平米(全明)',

 '好评率': '33%',

 '建筑年代': '2016年',

 '建筑形式': '独栋',

 '建筑面积': '216�O',

 '开 发 商': '东莞市黄江碧桂园房地产开发有限公司',

 '总价': '398',

 '户型': '5室2厅1厨4卫',

 '标题': '碧桂园翡翠山坡地别墅 配套设施齐全 环境优美 价格实惠 交通便利',

 '满意度': '2.3',

 '物 业 费': '暂无资料',

 '物业公司': '暂无资料',

 '物业类型': '别墅',

 '环比上月': '↓1.39%',

 '真实度': '2.3',

 '租 房': '0套',

 '绿 化 率': '0.00%',

 '花园面积': '100平米',

 '装修程度': '精装修',

 '车位数量': '2个',

 '车库数量': '1个',

 '进门朝向': '南'}

def getHouseDetil(url):

    info = {}

    import requests

    res = requests.get(url)

    from bs4 import BeautifulSoup

    soup = BeautifulSoup(res.text,'html.parser')

    info['标题'] = soup.select('.title h1')[0].text.strip()

    info['总价'] = soup.select('.zongjia1 .red20b')[0].text

    for dd in soup.select('dd'):

        if '：' in dd.text.strip():

            #print(dd.text.strip().split('：'))

            key,value = dd.text.strip().split('：')

            info[key] = value

    return info

url = 'http://esf.sz.fang.com/chushou/3_195684731.html'

getHouseDetil(url)

{'专业度': '5',

 '二 手 房': '264套',

 '产权性质': '商品房',

 '住宅类别': '普通住宅',

 '使用面积': '76�O',

 '参考月供': '',

 '参考首付': '114万',

 '同比去年': '↑1.11%',

 '好评率': '100%',

 '年代': '2013年',

 '建筑类别': '板楼',

 '建筑面积': '89�O',

 '开 发 商': '和记黄埔地产（深圳）有限公司',

 '总价': '380',

 '户型': '3室2厅1厨2卫',

 '朝向': '南',

 '标题': '刚刚放盘 和黄懿花园顶楼湖景房 带20万装修 诚心出售380万！',

 '楼层': '高层(共10层)',

 '满意度': '5',

 '物 业 费': '3.8元/平米・月',

 '物业公司': '暂无资料',

 '物业类型': '住宅',

 '环比上月': '↑0.01%',

 '真实度': '5',

 '租 房': '66套',

 '结构': '平层',

 '绿 化 率': '30.00%',

 '装修': '精装修'}

综合案例

import requests

from bs4 import BeautifulSoup

res = requests.get('http://esf.sz.fang.com/')

soup = BeautifulSoup(res.text,'html.parser')

domain = 'http://esf.sz.fang.com'

houslist = []

for house in soup.select('.houseList dl'):

    if len(house.select('.title')) > 0:

        link = house.select('.title a')[0]['href']

        url = domain + link

        houslist.append(getHouseDetil(url))

len(houslist)

houslist[21]

{'专业度': '5.0',

 '二 手 房': '993套',

 '产权性质': '商品房',

 '住宅类别': '普通住宅',

 '使用面积': '126�O',

 '参考月供': '',

 '参考首付': '47.4万',

 '同比去年': '暂无资料',

 '好评率': '100%',

 '年代': '2016年',

 '建筑类别': '板楼',

 '建筑面积': '128�O',

 '开 发 商': '20160527162320,2016051',

 '总价': '158',

 '户型': '4室2厅1厨2卫',

 '朝向': '南北',

 '标题': '碧桂园公园上城、全智能社区、精装四房、南站万达、带',

 '满意度': '5.0',

 '物 业 费': '2.6元/�O・月',

 '物业公司': '广东碧桂园物业服务有限公司',

 '物业类型': '住宅',

 '环比上月': '↑0.14%',

 '真实度': '5.0',

 '租 房': '0套',

 '结构': '平层',

 '绿 化 率': '30.00%',

 '装修': '精装修'}

import pandas

df = pandas.DataFrame(houslist)

#df

df.to_excel('/mnt/z/house.xlsx')

url1 = 'http://esf.sz.fang.com/house/i3'

for i in range(1,3):

    print (url1 + str(i))

http://esf.sz.fang.com/house/i31

http://esf.sz.fang.com/house/i32

import requests

import pandas

from bs4 import BeautifulSoup

domain = 'http://esf.sz.fang.com'

url1 = 'http://esf.sz.fang.com/house/i3'

houslist = []

for i in range(1,21):

    res = requests.get(url1 + str(i))

    soup = BeautifulSoup(res.text,'html.parser')

    for house in soup.select('.houseList dl'):

        if len(house.select('.title')) > 0:

            link = house.select('.title a')[0]['href']

            url = domain + link

            houslist.append(getHouseDetil(url))

df = pandas.DataFrame(houslist)

df.to_excel('/mnt/z/house4.xlsx')

python爬虫（房天下）的更多相关文章

python爬虫-房天下-登录
房天下-登录本次爬取的网址为:https://passport.fang.com 一.分析请求输入用户名和密码,点击登录按钮请求的参数为: uid: 123456789 pwd: 64ccd42 ...
python分布式爬虫--房天下
第一步安装redis redis在windows系统中的安装与启动: 下载:redis官方是不支持windows操作系统的.但是微软的开源部门将redis移植到了windows上.因此下载地址不是在r ...
python爬虫项目(scrapy-redis分布式爬取房天下租房信息)
python爬虫scrapy项目(二) 爬取目标:房天下全国租房信息网站(起始url:http://zu.fang.com/cities.aspx) 爬取内容:城市:名字:出租方式:价格:户型:面积: ...
爬虫Scrapy框架运用----房天下二手房数据采集
在许多电商和互联网金融的公司为了更好地服务用户,他们需要爬虫工程师对用户的行为数据进行搜集.分析和整合,为人们的行为选择提供更多的参考依据,去服务于人们的行为方式,甚至影响人们的生活方式.我们的scr ...
Python爬取房天下二手房信息
一.相关知识 BeautifulSoup4使用 python将信息写入csv import csv with open("11.csv","w") as csv ...
from appium import webdriver 使用python爬虫,批量爬取抖音app视频（requests+Fiddler+appium）
使用python爬虫,批量爬取抖音app视频(requests+Fiddler+appium) - 北平吴彦祖 - 博客园 https://www.cnblogs.com/stevenshushu/p ...
Python爬虫利器六之PyQuery的用法
前言你是否觉得 XPath 的用法多少有点晦涩难记呢? 你是否觉得 BeautifulSoup 的语法多少有些悭吝难懂呢? 你是否甚至还在苦苦研究正则表达式却因为少些了一个点而抓狂呢? 你是否已经有 ...
月薪45K的Python爬虫工程师告诉你爬虫应该怎么学，太详细了！
想用Python做爬虫,而你却还不会Python的话,那么这些入门基础知识必不可少.很多小伙伴,特别是在学校的学生,接触到爬虫之后就感觉这个好厉害的样子,我要学.但是却完全不知道从何开始,很迷茫,学的 ...
Python爬虫实战三之实现山东大学无线网络掉线自动重连
综述最近山大软件园校区QLSC_STU无线网掉线掉的厉害,连上之后平均十分钟左右掉线一次,很是让人心烦,还能不能愉快地上自习了?能忍吗?反正我是不能忍了,嗯,自己动手,丰衣足食!写个程序解决掉它! ...

随机推荐

firewalld filter
实现 firewalld 的filter 功能 1. 关闭 INPUT ,关闭OUTPUT (设置黑名单) 任何主机都 ping 不通本主机 1>命令 : iptables -P INP ...
Codechef Racing Horses题解
找一个数组中两数之间最小的不同值. 思路: 1 排序 2 后前相减,比較得到最小不同值三个数甚至很多其它数之间的不同值都是这么求了,时间效率都是O(nlgn) -- 排序使用的时间原题: http ...
php(cli模式)执行文件传递参数
php -f index.php hello test 2314 shell命令执行php文件不像http那样通过GET方式传参同样php文件获取的时候也不能用$_GET方法了而是通过$argv[ ...
（二）Java 简介
Java 简介 Java是由Sun Microsystems公司于1995年5月推出的Java面向对象程序设计语言和Java平台的总称.由James Gosling和同事们共同研发,并在1995年正式 ...
make常见报错原因分析
1 No rule to make target ‘xxx’ 原因一般是'xxx'文件不存在,首先应该去相应的目录检查文件是否存在.
sa分析
onCheckedChanged用于监控开启和关闭,其实是Switch,也是Toggle Buttons http://www.google.com/design/spec/components/sw ...
使用nginx搭建媒体点播服务器
使用nginx搭建媒体点播服务器最新由于兴趣,对ubuntu和安卓上的视频点播直播等应用比较感兴趣,所以在vmware的虚拟机里面搭建了一个视频点播网站,参考了fengzhanhai的文章Nginx ...
JS复制文件(转)
<script type="text/javascript"> var fso, f; function copyFile() { fso = new ActiveXO ...
Spring MVC标签<mvc: annotation-driven />小结原
转自:https://my.oschina.net/u/1156626/blog/881483 mvc:annotation-driven的作用 Spring 3.0.x中使用了mvc:annotat ...
tar zxvf 解压文件提示错误
1.tar -zxvf 提示错误 2. 查看文件之后发现是html格式的.file **(文件名) 3.原来是直接之前sudo wget url ...url连接错误了. 这个url直接在jdk哪里, ...

python爬虫（房天下）

房天下

综合案例

python爬虫（房天下）的更多相关文章

随机推荐

热门专题