[Python] 快速爬取当前城市所有租房网站房源及配置,一目了然
Python爬取当前城市房源信息,以徐州为例
代码效果图请看下方,其他部分请查看附件,一起学习,谢谢
- # -*- coding: utf-8 -*-
- """
- @Time : 2020/3/18 22:23
- @Auth : Suk
- @File : 5.小猪短租相关信息.py
- @IDE : PyCharm
- @Motto: Knowing your ignorance is the best way to succeed.
- @Tips : 版权所有,转载,转发请注明,如有侵权请联系,谢谢.
- """
- # 小猪短租相关信息,包含出租房屋名称、地址、价格、房东、详细链接等信息
- # 爬取搜索页面信息,爬取5页相关内容,通过获得的详细链接页面,爬取详细页面内容
- import bs4
- import requests
- from bs4 import BeautifulSoup
- kv = {
- 'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/83.0.4103.97 Safari/537.36 Edg/83.0.478.45'
- }
- # format='{0:<10}\t{1:{6}<40}\t{2:{6}<10}\t{3:{6}^10}\t{4:{6}<10}\t{5:{6}<10}'
- format = '{0:<10}\t{1:{5}<40}\t{2:{5}<10}\t{3:{5}^30}\t{4:{5}<10}'
- def main():
- global a
- print('为您找到了{}条信息,您可以根据需要检索相关信息'.format(len(allInitMessage)))
- print('-------------------------------------------------------------------------')
- print(
- '序号 房屋名称 价格 地址 房东 ')
- for i in allInitMessage:
- # print(format.format(i[0],i[1],i[2],i[3],i[4],i[5],chr(12288)))
- print(format.format(i[0], i[1], i[2], i[3], i[4], chr(12288)))
- a = eval(input('请输入你想了解的房屋序号:'))
- return a
- def houseDetails(num):
- deurl = allInitMessage[num - 1][-1]
- detailRe = requests.get(deurl, headers=kv)
- sp = BeautifulSoup(detailRe.text, 'lxml')
- print('标题:' + sp.title.string.strip())
- print("价格:" + sp.find('div', class_='fl').text.strip())
- print("地址:" + sp.find('span', class_='pr5').text.strip())
- print("房东:" + sp.find('a', class_='lorder_name').text.strip())
- print('详细信息:')
- for i in sp.find('ul', class_='house_info clearfix').text.split():
- if ':' in i:
- print("\t" + i)
- elif "宜住" in i:
- print("\t" + i)
- print("个性描述:")
- for i in sp.find('div', class_='box_white clearfix detail_intro_item').text.split():
- if "个性描述" in i or "查看全部" in i or "收起" in i:
- continue
- else:
- print("\t" + i)
- print("内部情况:")
- for i in sp.find('div', class_='box_gray clearfix detail_intro_item').text.split():
- if "内部情况" in i or "查看全部" in i or "收起" in i:
- continue
- else:
- print("\t" + i)
- print("交通情况:")
- for i in sp.findAll('div', class_='info_r')[2].text.split():
- if "交通信息" in i or "交通情况" in i or "查看全部" in i or "收起" in i:
- continue
- else:
- print("\t" + i)
- print("周边情况:")
- for i in sp.findAll('div', class_='info_r')[3].text.split():
- if "交通信息" in i or "查看全部" in i or "收起" in i:
- continue
- else:
- print("\t" + i)
- print("配套条件:")
- print('\t', end="")
- for i in sp.findAll('div', class_='info_r')[4].children:
- if type(i) == bs4.element.Tag:
- if i.ul != None:
- for j in i.ul.children:
- if type(j) == bs4.element.Tag:
- if 'no' in j.get('class')[0]:
- continue
- else:
- print(j.text.strip() + ',', end="")
- print('\n' + "入住须知:")
- for i in sp.findAll('div', class_='info_r')[5].text.split():
- print('\t' + i)
- print("押金及其他费用")
- for i in sp.find('div', class_='clause_box').text.split():
- if "押金及其他费用" in i or "查看全部" in i or "收起" in i or ">" in i:
- continue
- elif i[-1] == ":":
- print("\t" + i, end="")
- else:
- print("\t" + i)
- try:
- select = input('是否返回主页面(y/n)?')
- if select in 'yY':
- main()
- return True
- if select in 'nN':
- print("退出成功!")
- return False
- except:
- print("ERROR!输入错误!")
- url = 'http://xuzhou.xiaozhu.com/search-duanzufang-p'
- allhref = []
- allInitMessage = []
- for page in range(1, eval(input('当前城市:徐州\t请输入你想检索的页数,共13页:')) + 1):
- lis = []
- hrefs = []
- print('\t正在检索第' + str(page) + '页')
- re = requests.get(url + str(page) + '-0/')
- soup = BeautifulSoup(re.text, 'lxml')
- for i in soup.find('ul', class_='pic_list clearfix list_code').children:
- if type(i) == bs4.element.Tag:
- lis.append(i.find("a"))
- for i in lis:
- if i != None:
- hrefs.append(i.get('href'))
- for i in hrefs:
- message = []
- innitMessageget = requests.get(i)
- innitMessage = BeautifulSoup(innitMessageget.text, 'lxml')
- message.append(str(len(allInitMessage) + 1) + '.')
- message.append(innitMessage.title.string)
- message.append(innitMessage.find('div', class_='fl').text.strip())
- message.append(innitMessage.find('span', class_='pr5').text.strip())
- message.append(innitMessage.find('a', class_='lorder_name').text.strip())
- message.append(i)
- allInitMessage.append(message)
- allhref.append(hrefs)
- print("\n\n\tMission Success!\n\n\n")
- main()
- while (True):
- bolean = houseDetails(a)
- if bolean == False:
- exit(0)
- else:
- continue

[Python] 快速爬取当前城市所有租房网站房源及配置,一目了然的更多相关文章
- [Python爬虫] 使用 Beautiful Soup 4 快速爬取所需的网页信息
		[Python爬虫] 使用 Beautiful Soup 4 快速爬取所需的网页信息 2018-07-21 23:53:02 larger5 阅读数 4123更多 分类专栏: 网络爬虫 版权声明: ... 
- Python-定时爬取指定城市天气(一)-发送给关心的微信好友
		一.背景 上班的日子总是3点一线,家里,公司和上班的路径,对于一个特别懒得我来说,经常遇到上班路上下雨了,而我却没带伞,多么痛的领悟.最近对python有一种狂热的学习热情,写了4年多的C++代码,对 ... 
- Python-定时爬取指定城市天气(二)-邮件提醒
		目录 一.概述 二.模块重新划分 三.优化定时任务 四.发送邮件 五.源代码 一.概述 上一篇文章python-定时爬取指定城市天气(一)-发送给关心的微信好友中我们讲述了怎么定时爬取城市天气,并发送 ... 
- 使用Python爬虫爬取网络美女图片
		代码地址如下:http://www.demodashi.com/demo/13500.html 准备工作 安装python3.6 略 安装requests库(用于请求静态页面) pip install ... 
- 大神:python怎么爬取js的页面
		大神:python怎么爬取js的页面 可以试试抓包看看它请求了哪些东西, 很多时候可以绕过网页直接请求后面的API 实在不行就上 selenium (selenium大法好) selenium和pha ... 
- python连续爬取多个网页的图片分别保存到不同的文件夹
		python连续爬取多个网页的图片分别保存到不同的文件夹 作者:vpoet mail:vpoet_sir@163.com #coding:utf-8 import urllib import ur ... 
- python定时器爬取豆瓣音乐Top榜歌名
		python定时器爬取豆瓣音乐Top榜歌名 作者:vpoet mail:vpoet_sir@163.com 注:这些小demo都是前段时间为了学python写的,现在贴出来纯粹是为了和大家分享一下 # ... 
- python大规模爬取京东
		python大规模爬取京东 主要工具 scrapy BeautifulSoup requests 分析步骤 打开京东首页,输入裤子将会看到页面跳转到了这里,这就是我们要分析的起点 我们可以看到这个页面 ... 
- Python爬虫 - 爬取百度html代码前200行
		Python爬虫 - 爬取百度html代码前200行 - 改进版, 增加了对字符串的.strip()处理 源代码如下: # 改进版, 增加了 .strip()方法的使用 # coding=utf-8 ... 
随机推荐
- ubuntu服务器dns重启失效问题
			方法一 通过/etc/network/interfaces,在它的最后增加一句: dns-nameservers 8.8.8.8 8.8.8.8是Google提供的DNS服务,这里只是举一个例子,你也 ... 
- Java并发编程 - Runnbale、Future、Callable 你不知道的那点事(二)
			Java并发编程 - Runnbale.Future.Callable 你不知道的那点事(一)大致说明了一下 Runnable.Future.Callable 接口之间的关系,也说明了一些内部常用的方 ... 
- DDD(领域驱动设计)--战略设计
			领域 领域是一个组织所做的事情以及其中所包含的一切.商业机构通常会确定一个市场,然后在这个市场中销售产品和服务.每个组织都有它自己的业务范围和做事方式. 领域就是解决一个特定范围内的业务问题. 如何分 ... 
- C# Random类的正确应用
			Random类介绍 Random类一个用于产生伪随机数字的类.这里的伪随机表示有随机性但是可以基于算法模拟出随机规律. Random类的构造方式有两种. Random r= new Random(). ... 
- MathType总结编辑括号的类型(下)
			在数学中,所涉及到的公式总是会有各种各样的情况,对于括号这些都是最常见的了.在最开始的四则基本运算中我们学会了使用括号,而随着学习的不断深入,所涉及到的符号与公式都越来越多,对于括号的类型也是使用得非 ... 
- 和功能相近的虚拟机软件相比,CrossOver的产品优势有哪些?
			很多用户其实并不喜欢虚拟机软件,他们只是想用回熟悉的Windows应用程序,因为苹果系统与许多软件并不兼容.无奈之下,他们只能安装虚拟机软件.可是虚拟机软件大多比较笨重并且也相对复杂一些,在后期维护上 ... 
- 统一软件开发过程(RUP)的概念和方法
			统一软件开发过程(Rational Unified Process,RUP)是一种面向对象且基于网络的程序开发方法论. 根据Rational(Rational Rose和统一建模语言的开发者)的说法, ... 
- Visual Studio使用Git忽略不想上传到远程仓库的文件
			前言: 作为一个.NET开发者而已,有着宇宙最强IDE:Visual Studio加持,让我们的开发效率得到了更好的提升.我们不需要担心环境变量的配置和其他代码管理工具,因为VS有丰富的拓展工具.废话 ... 
- exgcd 学习笔记
			最大公约数 更相减损术:\(\gcd(x,y)=\gcd(x,y-x)(x\leq y)\). 证明: 设 \(\gcd(x,y)=k\),则 \(x=kp,y=kq,\gcd(p,q)=1\). 那 ... 
- hibernate一对多,细节讲解
			1.一对多 1).首先创建两个实体类studeninfo.java跟studentxxb.java 1)studentinfo.java表如图: package model; import java. ... 
