基于Python实现最新房价信息的获取
整个数据获取的信息是通过房源平台获取的,通过下载网页元素并进行数据提取分析完成整个过程
导入相关的网页下载、数据解析、数据处理库
from fake_useragent import UserAgent # 身份信息生成库 from bs4 import BeautifulSoup # 网页元素解析库 import numpy as np # 科学计算库 import requests # 网页下载库 from requests.exceptions import RequestException # 网络请求异常库 import pandas as pd # 数据处理库
然后,在开始之前初始化一个身份信息生成的对象,用于后面随机生成网页下载时的身份信息。
user_agent = UserAgent()
编写一个网页下载函数get_html_txt,从相应的url地址下载网页的html文本。
def get_html_txt(url, page_index):
"""
获取网页html文本信息
:param url: 爬取地址
:param page_index:当前页数
: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("获取第{0}页网页元素失败!".format(page_index))
return ""
编写网页元素处理函数catch_html_data,用于解析网页元素,并将解析后的数据元素保存到csv文件中。
def catch_html_data(url, page_index):
"""
处理网页元素数据
:param url: 爬虫地址
:param page_index:
:return:
"""
# 下载网页元素
html_txt = str(get_html_txt(url, page_index))
if html_txt.strip() != "":
# 初始化网页元素对象
beautifulSoup = BeautifulSoup(html_txt, "lxml")
# 解析房源列表
h_list = beautifulSoup.select(".resblock-list-wrapper li")
# 遍历当前房源的详细信息
for n in range(len(h_list)):
h_detail = h_list[n]
# 提取房源名称
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))
# 提取房源类型
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))
# 提取房源销售状态
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))
# 提取房源单价信息
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))
# 提取房源总价信息
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=["房源名称", "房源类型", "房源状态", "房源均价", "房源总价"])
h_info.to_csv("北京房源信息.csv", mode="a+", index=False, header=False)
print("第{0}页房源信息数据存储成功!".format(page_index))
else:
print("网页元素解析失败!")
编写多线程处理函数,初始化网络网页下载地址,并使用多线程启动调用业务处理函数catch_html_data,启动线程完成整个业务流程。
import threading # 导入线程处理模块
def thread_catch():
"""
线程处理函数
: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()
数据存储结果展示效果
以上就是基于Python实现最新房价信息的获取的详细内容,更多关于Python获取房价信息的资料请关注脚本之家其它相关文章!
下一篇:MySQL8自增主键变化图文详解
X 关闭
X 关闭
- 15G资费不大降!三大运营商谁提供的5G网速最快?中国信通院给出答案
- 2联想拯救者Y70发布最新预告:售价2970元起 迄今最便宜的骁龙8+旗舰
- 3亚马逊开始大规模推广掌纹支付技术 顾客可使用“挥手付”结账
- 4现代和起亚上半年出口20万辆新能源汽车同比增长30.6%
- 5如何让居民5分钟使用到各种设施?沙特“线性城市”来了
- 6AMD实现连续8个季度的增长 季度营收首次突破60亿美元利润更是翻倍
- 7转转集团发布2022年二季度手机行情报告:二手市场“飘香”
- 8充电宝100Wh等于多少毫安?铁路旅客禁止、限制携带和托运物品目录
- 9好消息!京东与腾讯续签三年战略合作协议 加强技术创新与供应链服务
- 10名创优品拟通过香港IPO全球发售4100万股 全球发售所得款项有什么用处?

