python 获取最新房价信息-以北京房价为例
2022/4/20 3:12:34
本文主要是介绍python 获取最新房价信息-以北京房价为例,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!
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
这篇关于python 获取最新房价信息-以北京房价为例的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!
- 2024-11-15快速提升职场效率:从整理任务清单开始
- 2024-11-15低代码开发学习:新手入门指南
- 2024-11-15数字能量的职场释放:实物量法诠释效率的多维度
- 2024-11-15Postman学习:新手入门全面指南
- 2024-11-15低代码开发入门:初学者必看指南
- 2024-11-15低代码入门:新手必读指南
- 2024-11-15低代码应用入门:新手必读教程
- 2024-11-15Postman入门:新手必备教程
- 2024-11-15Postman教程:新手快速上手指南
- 2024-11-14企业协同软件:现代化管理的新选择