[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
- loadrunner 生成随机参数 Radom相关
我也是刚开始进入测试行业,不过比较幸运的我之前做过开发,所以对代码比较熟悉,对loadrunner没有进行过系统的学习,也是通过自己的摸索慢慢的积累知识. 今天遇到项目中要我做一个压力测试,其中一些参 ...
- Android 滑动删除控件推荐
implementation 'com.github.mcxtzhang:SwipeDelMenuLayout:V1.3.0' <?xml version="1.0" enc ...
- 交换机通过Loopback Detection检测(接口自环)
组网图形 Loopback Detection简介 网络中的环路会导致设备对广播.组播以及未知单播等报文进行重复发送,造成网络资源浪费甚至网络瘫痪.为了能够及时发现二层网络中的环路,避免对整个网络造 ...
- 思维导图MindManager有新手引导功能吗
无论是对于初次使用Mindmanager思维导图软件的新手来说,还是对于有一定软件使用基础的进阶者来说,Mindmanager思维导图软件的帮助功能都能给予用户很大的指导作用. Mindmanager ...
- 接入twitter第三方登陆接口遇到的一个问题
本地开了 Shadowsocks,然后postman模拟的twitter的接口是请求成功的,然后用php-curl去请求网址,出现以下错误 Failed to connect to api.twitt ...
- Python多线程join和setDaemon区别与用法
一直没有太搞清楚join和setDaemon有什么区别,总是对于它们两个的概念很模糊,需要做个实验然后记录一下. 先说结论: join: 子线程合并到主线程上来的作用,就是当主线程中有子线程join的 ...
- 5w 字 | 172 图 | 超级赛亚级 Spring Cloud 实战
一.PassJava 项目简介 PassJava-Learning 项目是 PassJava(佳必过)项目的学习教程.对架构.业务.技术要点进行讲解. PassJava 是一款 Java 面试刷题 的 ...
- docker中启动容器提示端口被占用
docker中启动容器提示端口被占用,但是 docker ps -a 查不到信息 1.查询端口被占用的id netstat -ntpl |grep 3306 2.杀掉该id kill -9 如果kil ...
- Snap Build Your Own Blocks输入中文解决办法
Snap Build Your Own Blocks输入中文解决办法 Snap! (formerly BYOB) is a visual, drag-and-drop programming lang ...
- 【问题记录】— web页面调用本地程序
起因: 最近由于项目需要在web页面中调用本地部署的exe程序:进而对该功能实现做了对应了解:以及存在的问题进行记录. 要实现该功能就不得不说浏览器自定义协议:解决办法:那么它是什么呢? 浏览器自定义 ...