python 爬蟲 5i5j房屋信息 獲取並存儲到資料庫

来源:https://www.cnblogs.com/pantom0122/archive/2018/08/20/9508514.html
-Advertisement-
Play Games

1 from lxml import etree 2 from selenium import webdriver 3 import pymysql 4 5 def Geturl(fullurl):#獲取每個招聘網頁的鏈接 6 browser.get(fullurl) 7 shouye_html_t... ...


 1 from lxml import etree
 2 from selenium import webdriver
 3 import pymysql
 4 
 5 def Geturl(fullurl):#獲取每個招聘網頁的鏈接
 6     browser.get(fullurl)
 7     shouye_html_text = browser.page_source
 8     shouye_ele = etree.HTML(shouye_html_text)
 9     zf_list = shouye_ele.xpath('/html/body/div[4]/div[1]/div[2]/ul/li/div/h3/a/@href')#鏈接url
10     zf_url_list  = []
11     for zf_url_lost in zf_list:
12         zf_url  = 'https://bj.5i5j.com'+zf_url_lost
13         zf_url_list.append(zf_url)
14     return zf_url_list
15 def Getinfo(zp_url_list):
16     for zp_url in zp_url_list:
17         browser.get(zp_url)
18         zp_info_html = browser.page_source
19         zp_ele = etree.HTML(zp_info_html)
20         zp_info_title = str(zp_ele.xpath('//html/body/div[3]/div[1]/div[1]/h1/text()')[0])
21         zp_info_num = str(zp_ele.xpath('/html/body/div[3]/div[2]/div[2]/div[1]/div[1]/div/p[1]/text()')[0])+'元/月'#價格
22         zp_info_type = str(zp_ele.xpath('/html/body/div[3]/div[2]/div[2]/div[1]/div[2]/div/p[1]/text()')[0])#戶型
23         zp_info_zone = str(zp_ele.xpath('/html/body/div[3]/div[2]/div[2]/div[1]/div[3]/div/p[1]/text()')[0])+'平米'#房屋大小
24         zp_info_need_1 = str(zp_ele.xpath('/html/body/div[3]/div[2]/div[2]/div[2]/ul/li[1]/span/text()')[0])#房屋信息
25         zp_info_need_2 = str(zp_ele.xpath('/html/body/div[3]/div[2]/div[2]/div[2]/ul/li[1]/a/text()')[0])#房屋信息
26         zp_info_need = zp_info_need_1+zp_info_need_2
27         connection = pymysql.connect(host='localhost', user='root', password='1234', db='5i5j', )
28         try:
29             with connection.cursor() as cursor:
30                 sql = "INSERT INTO `5i5j_info` (`title`,`num`,`type`, `zone`,`need`) VALUES (%s,%s,%s,%s, %s)"
31                 cursor.execute(sql, (zp_info_title,zp_info_num,zp_info_type,zp_info_zone,zp_info_need))
32             connection.commit()
33         finally:
34             connection.close()
35         print(zp_info_title,zp_info_num,zp_info_type,zp_info_zone,zp_info_need)
36 if __name__ == '__main__':
37     browser = webdriver.Chrome()
38     pags = int(input('需要幾頁?'))
39     for i in range(1,pags+1):
40         url = 'https://bj.5i5j.com/zufang/huilongguan/n{}/'
41         fullurl = url.format(str(i))
42         zf_url_list = Geturl(fullurl)
43         print(fullurl)
44         # print(zf_url_list)
45         Getinfo(zf_url_list)
46     browser.close()

 


您的分享是我們最大的動力!

-Advertisement-
Play Games
更多相關文章
  • 目錄: 一、pickle模塊 二、課時31課後習題及答案 ****************** 一、pickle模塊 ****************** Python提供了一個標準模塊,使用這個模塊,就可以輕鬆地將列表、字典這類複雜類型存儲為文件了。這個模塊就是pickle模塊。 它幾乎可以把所有 ...
  • 序言 這個是從抖音上學來的,一開始刷抖音,遇到不少字元串跳舞的視頻,因此來實踐一下 主要分為三個部分 1. 靜態圖片轉靜態圖片 2. gif轉gif 3. 視頻轉視頻 靜態圖片轉靜態圖片 其實原理很簡單,讀取圖片的像素,新建一張大小一樣的圖片,根據原圖像素的灰度,決定是不是要顯示出來,併在新圖相應的 ...
  • 思路: 不要去考慮刪除的字眼,要考慮如何進行保存非 x 的值 這裡提供兩種解法,殊途同歸: 1.將其中非 x 的元素統計並保存 2.統計為 x 的元素個數,並將非 x 的元素保存 註意事項: 註意這裡代碼由於使用了引用(&),只能在 C++ 中編譯通過 使用指針的時候一定要註意開闢空間,否則之後可能 ...
  • 一、多態 定義:指允許不同子類的對象對父類同一消息能做出不同的響應。(重寫父類的方法) 即同一消息可以根據發送對象的不同而採用多種不同的行為方式。(發送消息就是函數調用) 1、面向對象的多態的實現前提: (1)要有繼承:類與類之間必須有繼承關係; (2)要有重寫:子類重寫父類的成員方法(可以不重寫, ...
  • *—*—python開發基礎(2)—*—*一、while迴圈1.while條件: 迴圈體 若條件滿足,迴圈體執行 若條件不滿足,迴圈體不執行 例:number = 1 #輸出結果:1 while number < 4: 2 print(number) 3 number = number + 12.死 ...
  • 前面ORM模塊我們已經完成了開發,接下來要做的就是對項目代碼進行重構了。因為對底層資料庫操作模塊(db_helper.py)進行了改造,之前項目的介面代碼全都跑不起來了。 在寫ORM模塊時,我們已經對產品介面的分頁查詢、新增、修改、獲取指定產品實體介面已經重構好了,還剩下刪除介面未完成 如果前面代碼 ...
  • 體會 第一次開始學習Python,不知道自己之後能否持續堅持下去。我想不論怎樣只要有時間和就努力堅持。爭取以周為單位按要求完成相應工作量的學習。持續學習,不斷總結和進步。 一、Python安裝 Python的安裝是還是是一件比較麻煩的事情。之前安裝python環境到還比較簡單一些。後面再安裝PyCh ...
  • 1、線程的實現方式 線程有兩種實現方式,分別為繼承Thread、實現Runnable介面。差異性:實現方式避免了類的繼承單一性,且對於多個線程同時訪問同一個資源時更便捷。 (1)繼承Thread class TestThread extends Thread { @Override public v ...
一周排行
    -Advertisement-
    Play Games
  • 移動開發(一):使用.NET MAUI開發第一個安卓APP 對於工作多年的C#程式員來說,近來想嘗試開發一款安卓APP,考慮了很久最終選擇使用.NET MAUI這個微軟官方的框架來嘗試體驗開發安卓APP,畢竟是使用Visual Studio開發工具,使用起來也比較的順手,結合微軟官方的教程進行了安卓 ...
  • 前言 QuestPDF 是一個開源 .NET 庫,用於生成 PDF 文檔。使用了C# Fluent API方式可簡化開發、減少錯誤並提高工作效率。利用它可以輕鬆生成 PDF 報告、發票、導出文件等。 項目介紹 QuestPDF 是一個革命性的開源 .NET 庫,它徹底改變了我們生成 PDF 文檔的方 ...
  • 項目地址 項目後端地址: https://github.com/ZyPLJ/ZYTteeHole 項目前端頁面地址: ZyPLJ/TreeHoleVue (github.com) https://github.com/ZyPLJ/TreeHoleVue 目前項目測試訪問地址: http://tree ...
  • 話不多說,直接開乾 一.下載 1.官方鏈接下載: https://www.microsoft.com/zh-cn/sql-server/sql-server-downloads 2.在下載目錄中找到下麵這個小的安裝包 SQL2022-SSEI-Dev.exe,運行開始下載SQL server; 二. ...
  • 前言 隨著物聯網(IoT)技術的迅猛發展,MQTT(消息隊列遙測傳輸)協議憑藉其輕量級和高效性,已成為眾多物聯網應用的首選通信標準。 MQTTnet 作為一個高性能的 .NET 開源庫,為 .NET 平臺上的 MQTT 客戶端與伺服器開發提供了強大的支持。 本文將全面介紹 MQTTnet 的核心功能 ...
  • Serilog支持多種接收器用於日誌存儲,增強器用於添加屬性,LogContext管理動態屬性,支持多種輸出格式包括純文本、JSON及ExpressionTemplate。還提供了自定義格式化選項,適用於不同需求。 ...
  • 目錄簡介獲取 HTML 文檔解析 HTML 文檔測試參考文章 簡介 動態內容網站使用 JavaScript 腳本動態檢索和渲染數據,爬取信息時需要模擬瀏覽器行為,否則獲取到的源碼基本是空的。 本文使用的爬取步驟如下: 使用 Selenium 獲取渲染後的 HTML 文檔 使用 HtmlAgility ...
  • 1.前言 什麼是熱更新 游戲或者軟體更新時,無需重新下載客戶端進行安裝,而是在應用程式啟動的情況下,在內部進行資源或者代碼更新 Unity目前常用熱更新解決方案 HybridCLR,Xlua,ILRuntime等 Unity目前常用資源管理解決方案 AssetBundles,Addressable, ...
  • 本文章主要是在C# ASP.NET Core Web API框架實現向手機發送驗證碼簡訊功能。這裡我選擇是一個互億無線簡訊驗證碼平臺,其實像阿裡雲,騰訊雲上面也可以。 首先我們先去 互億無線 https://www.ihuyi.com/api/sms.html 去註冊一個賬號 註冊完成賬號後,它會送 ...
  • 通過以下方式可以高效,並保證數據同步的可靠性 1.API設計 使用RESTful設計,確保API端點明確,並使用適當的HTTP方法(如POST用於創建,PUT用於更新)。 設計清晰的請求和響應模型,以確保客戶端能夠理解預期格式。 2.數據驗證 在伺服器端進行嚴格的數據驗證,確保接收到的數據符合預期格 ...