python 獲取最新房價信息-以北京房價為例

整個數據獲取的信息是通過房源平臺獲取的，通過下載網頁元素併進行數據提取分析完成整個過程。

【閱讀全文】

導入相關的網頁下載、數據解析、數據處理庫

from fake_useragent import UserAgent  # 身份信息生成庫

from bs4 import BeautifulSoup  # 網頁元素解析庫
import numpy as np  # 科學計算庫
import requests  # 網頁下載庫
from requests.exceptions import RequestException  # 網路請求異常庫
import pandas as pd  # 數據處理庫

然後，在開始之前初始化一個身份信息生成的對象，用於後面隨機生成網頁下載時的身份信息。

user_agent = UserAgent()

編寫一個網頁下載函數get_html_txt，從相應的url地址下載網頁的html文本。

def get_html_txt(url, page_index):
    '''
    獲取網頁html文本信息
    :param url: 爬取地址
    :param page_index:當前頁數
    :return:
    '''
    try:
        headers = {
            'user-agent': user_agent.random
        }
        response = requests.request("GET", url, headers=headers, timeout=10)
        html_txt = response.text
        return html_txt
    except RequestException as e:
        print('獲取第{0}頁網頁元素失敗！'.format(page_index))
        return ''

編寫網頁元素處理函數catch_html_data，用於解析網頁元素，並將解析後的數據元素保存到csv文件中。

def catch_html_data(url, page_index):
    '''
    處理網頁元素數據
    :param url: 爬蟲地址
    :param page_index:
    :return:
    '''

    # 下載網頁元素
    html_txt = str(get_html_txt(url, page_index))

    if html_txt.strip() != '':

        # 初始化網頁元素對象
        beautifulSoup = BeautifulSoup(html_txt, 'lxml')

        # 解析房源列表
        h_list = beautifulSoup.select('.resblock-list-wrapper li')

        # 遍歷當前房源的詳細信息
        for n in range(len(h_list)):
            h_detail = h_list[n]

            # 提取房源名稱
            h_detail_name = h_detail.select('.resblock-name a.name')
            h_detail_name = [m.get_text() for m in h_detail_name]
            h_detail_name = ' '.join(map(str, h_detail_name))

            # 提取房源類型
            h_detail_type = h_detail.select('.resblock-name span.resblock-type')
            h_detail_type = [m.get_text() for m in h_detail_type]
            h_detail_type = ' '.join(map(str, h_detail_type))

            # 提取房源銷售狀態
            h_detail_status = h_detail.select('.resblock-name span.sale-status')
            h_detail_status = [m.get_text() for m in h_detail_status]
            h_detail_status = ' '.join(map(str, h_detail_status))

            # 提取房源單價信息
            h_detail_price = h_detail.select('.resblock-price .main-price .number')
            h_detail_price = [m.get_text() for m in h_detail_price]
            h_detail_price = ' '.join(map(str, h_detail_price))

            # 提取房源總價信息
            h_detail_total_price = h_detail.select('.resblock-price .second')
            h_detail_total_price = [m.get_text() for m in h_detail_total_price]
            h_detail_total_price = ' '.join(map(str, h_detail_total_price))

            h_info = [h_detail_name, h_detail_type, h_detail_status, h_detail_price, h_detail_total_price]
            h_info = np.array(h_info)
            h_info = h_info.reshape(-1, 5)
            h_info = pd.DataFrame(h_info, columns=['房源名稱', '房源類型', '房源狀態', '房源均價', '房源總價'])
            h_info.to_csv('北京房源信息.csv', mode='a+', index=False, header=False)

        print('第{0}頁房源信息數據存儲成功！'.format(page_index))
    else:
        print('網頁元素解析失敗！')

編寫多線程處理函數，初始化網路網頁下載地址，並使用多線程啟動調用業務處理函數catch_html_data，啟動線程完成整個業務流程。

import threading  # 導入線程處理模塊


def thread_catch():
    '''
    線程處理函數
    :return:
    '''
    for num in range(1, 50, 3):
        url_pre = "https://bj.fang.lianjia.com/loupan/pg{0}/".format(str(num))
        url_cur = "https://bj.fang.lianjia.com/loupan/pg{0}/".format(str(num + 1))
        url_aft = "https://bj.fang.lianjia.com/loupan/pg{0}/".format(str(num + 2))

        thread_pre = threading.Thread(target=catch_html_data, args=(url_pre, num))
        thread_cur = threading.Thread(target=catch_html_data, args=(url_cur, num + 1))
        thread_aft = threading.Thread(target=catch_html_data, args=(url_aft, num + 2))
        thread_pre.start()
        thread_cur.start()
        thread_aft.start()


thread_catch()

數據存儲結果展示效果

【往期精彩】

辦公自動化：Image圖片轉換成PDF文檔存儲...

python做一個微型美顏圖片處理器，十行代碼即可完成...

用python做一個文本翻譯器，自動將中文翻譯成英文，超方便的！

小王，給這2000個客戶發一下節日祝福的郵件...

python 一行命令開啟網路間的文件共用...

PyQt5 批量刪除 Excel 重覆數據，多個文件、自定義重覆項一鍵刪除...

再見XShell，這款國人開源的終端命令行工具更nice！

python 表情包下載器，輕鬆下載上萬個表情包、鬥圖不用愁...

Python 自動清理電腦垃圾文件，一鍵啟動即可...

有了jmespath，處理python中的json數據就變成了一種享受...

解鎖一個新技能，如何在Python代碼中使用表情包...

萬能的list列表，python中的堆棧、隊列實現全靠它！