*之前偶然看了某個騰訊公開課的視頻,寫的爬取趕集網的租房信息,這幾天突然想起來,于是自己分析了一下趕集網的信息,然后自己寫了一遍,寫完又用用Python3重寫了一遍.之中也遇見了少許的坑.記一下.算是一個總結.*

python2 爬取趕集網租房信息與網站分析

分析目標網站url

尋找目標標簽

獲取,并寫入csv文件

#-*- coding: utf-8 -*- from bs4 import BeautifulSoup from urlparse import urljoin import requests import csvURL = 'http://jn.ganji.com/fang1/o{page}p{price}/' # 首先最基本的是 jn,ganji.com/fang1 其中jn為濟南,也就是我的城市,默認登錄后為此 # 而fang1 位租房信息 fang5 為二手房信息,zhaopin 為招聘模塊等,我們這次只查找fang1 # 不過這個鏈接還可以更復雜 #比如http://jn.ganji.com/fang1/tianqiao/h1o1p1/ 或者 # http://jn.ganji.com/fang1/tianqiao/b1000e1577/ # 其中h:房型,o頁面,p價格區間,其中h,p后的數字與網站相應菜單的排列順序相對應 # 而s與e則為對應的自己輸入的價格區間 # h: house o:page p:price # jn jinan fang1 zufang tiaoqiao:tianqiaoqu b:begin 1000 e:end start 1755ADDR = 'http://bj.ganji.com/' start_page =1 end_page = 5 price =1# 注意wb格式打開寫入可能會導致csv文件每次寫入前面多一個空格 # 對此你可以參考這篇文章:http://blog.csdn.net/pfm685757/article/details/47806469 with open('info.csv','wb') as f :csv_writer = csv.writer(f,delimiter=',')print 'starting'while start_page<end_page:start_page+=1# 通過分析標簽可知我們要獲取的標簽信息必須要通過多個class確認才能保證唯一性# 之后是獲取信息的具體設置print 'get{0}'.format(URL.format(page = start_page,price=price))response = requests.get(URL.format(page = start_page,price=price))html=BeautifulSoup(response.text,'html.parser')house_list = html.select('.f-list > .f-list-item > .f-list-item-wrap')#check house_listif not house_list:print 'No house_list'breakfor house in house_list:house_title = house.select('.title > a')[0].string.encode('utf-8')house_addr = house.select('.address > .area > a')[-1].string.encode('utf-8')house_price = house.select('.info > .price > .num')[0].string.encode('utf-8')house_url = urljoin(ADDR,house.select('.title > a ')[0]['href'])# 寫入csv文件csv_writer.writerow([house_title,house_addr,house_price,house_url])print 'ending'

Python3 爬取趕集網i租房信息

要注意的點

urlparse.urljoin 改為urllib.urlparse.urljoin

# python2 from urlparse import urljoin # Python3 from urllib.parse import urljoin

Python3中csv對bytes和str兩種類型進行了嚴格區分,open的寫入格式應該進行改變wb->w

設置utf8編碼格式

with open('info.csv','w',encoding='utf8') as f :csv_writer = csv.writer(f,delimiter=',')

完整代碼如下

#-*- coding: utf-8 -*- from bs4 import BeautifulSoup from urllib.parse import urljoin import requests import csvURL = 'http://jn.ganji.com/fang1/o{page}p{price}/' # h: house o:page p:price # http://jn.ganji.com/fang1/tianqiao/b1000e1577/ # jn jinan fang1 zufang tiaoqiao:tianqiaoqu b:begin 1000 e:end start 1755 # fang5 為二手房 zhipin 為 招聘 趕集網的url劃分的都很簡單,時間充足完全可以獲取非常多的信息ADDR = 'http://bj.ganji.com/' start_page =1 end_page = 5price =1''' URL = 'http://jn.ganji.com/fang1/h{huxing}o{page}b{beginPrice}e{endPrice}/' # 選擇戶型為h1-h5 # 輸入價位為 begin or end price='b1000e2000'# 戶型為''' # 默認為utf8打開,否則會以默認編碼GBK寫入 with open('info.csv','w',encoding='utf8') as f :csv_writer = csv.writer(f,delimiter=',')print('starting')while start_page<end_page:start_page+=1print('get{0}'.format(URL.format(page = start_page,price=price)))response = requests.get(URL.format(page = start_page,price=price))html=BeautifulSoup(response.text,'html.parser')house_list = html.select('.f-list > .f-list-item > .f-list-item-wrap')#check house_listif not house_list:print('No house_list')breakfor house in house_list:house_title = house.select('.title > a')[0].stringhouse_addr = house.select('.address > .area > a')[-1].stringhouse_price = house.select('.info > .price > .num')[0].stringhouse_url = urljoin(ADDR, house.select('.title > a ')[0]['href'])csv_writer.writerow([house_title,house_addr,house_price,house_url])print('ending')

最后的csv文件展示一下:

總結

以上是生活随笔為你收集整理的Python2 Python3 爬取赶集网租房信息,带源码分析的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。