python爬虫 爬取链家二手房数据_用python获取链家二手房房源数据。

一、简介

本次爬虫用到的第三方库如下:

import random
 
import requests
from lxml import etree
import time

二、打开网页

打开链家官网，进入二手房页面，可以看到该城市房源总数以及房源列表数据。

三、所有源码

import random
 
import requests
from lxml import etree
import time
 
 
 
class LianJia(object):
    def __init__(self):
        self.url = 'https://bj.lianjia.com/ershoufang/pg{}/'
        self.headers = {
            'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/102.0.5005.63 Safari/537.36 Edg/102.0.1245.30'}
 
    # 获取响应
    def get_page(self, url):
        req = requests.get(url, headers=self.headers)
 
        html = req.text
        # 调用解析函数
        self.parse_page(html)
 
    # 解析数据 提取数据
    def parse_page(self, html):
 
        parse_html = etree.HTML(html)
        li_list = parse_html.xpath('//*[@id="content"]/div[1]/ul/li')
        # 传入字典
        house_dict = {}
        for li in li_list:
            # 传入字典
            house_dict['名称'] = li.xpath('.//div[@class="positionInfo"]/a[1]/text()')
            # # 总价
            # price=li.xpath().strip()
            house_dict['总价-万'] = li.xpath('//div[@id="content"]/div[1]/ul/li[6]/div[1]/div[6]/div[1]/span/text()')
            # # 单价
            house_dict['单价'] = li.xpath('//div[@id="content"]/div[1]/ul/li[6]/div/div/div[2]/span/text()')
            print(house_dict)
 
    # 保存数据
    def write_page(self):
        pass
 
    # 主函数
    def main(self):
        # 爬取页数
        for pg in range(1, 5):
            url = self.url.format(pg)
            self.get_page(url)
            # 休眠
            time.sleep(random.randint(0, 2))
 
 
if __name__ == '__main__':
    start = time.time()
    spider = LianJia()
    spider.main()
    end = time.time()
    print('执行时间：%.2f' % (end - start))

爬取内容展示