使用python爬虫爬取链家潍坊市二手房项目

一切都是借口

使用python爬虫爬取链家潍坊市二手房项目

需求分析

需要将潍坊市各县市区页面所展示的二手房信息按要求爬取下来，同时保存到本地。
流程设计

• 明确目标网站URL（ https://wf.lianjia.com/ ）
  
• 确定爬取二手房哪些具体信息（字段名）
  
• python爬虫关键实现：requests库和lxml库
  
• 将爬取的数据存储到CSV或数据库中
  

实现过程

项目目录

1、在数据库中创建数据表

我电脑上使用的是MySQL8.0，图形化工具用的是Navicat.
数据库字段对应
id-编号、title-标题、total_price-房屋总价、unit_price-房屋单价、
square-面积、size-户型、floor-楼层、direction-朝向、type-楼型、
district-地区、nearby-附近区域、community-小区、elevator-电梯有无、
elevatorNum-梯户比例、ownership-房屋性质
该图显示的是字段名、数据类型、长度等信息。

2、自定义数据存储函数

这部分代码放到Spider_wf.py文件中
通过write_csv函数将数据存入CSV文件，通过write_db函数将数据存入数据库
点击查看代码

1. import csv
2. import pymysql
6. #写入CSV
7. def write_csv(example_1):
8.     csvfile = open('二手房数据.csv', mode='a', encoding='utf-8', newline='')
9.     fieldnames = ['title', 'total_price', 'unit_price', 'square', 'size', 'floor','direction','type',
10.                   'BuildTime','district','nearby', 'community', 'decoration', 'elevator','elevatorNum','ownership']
11.     writer = csv.DictWriter(csvfile, fieldnames=fieldnames)
12.     writer.writerow(example_1)
14. #写入数据库
15. def write_db(example_2):
16.     conn = pymysql.connect(host='127.0.0.1',port= 3306,user='changziru',
17.                            password='ru123321',database='secondhouse_wf',charset='utf8mb4'
18.                            )
19.     cursor =conn.cursor()
20.     title = example_2.get('title', '')
21.     total_price = example_2.get('total_price', '0')
22.     unit_price = example_2.get('unit_price', '')
23.     square = example_2.get('square', '')
24.     size = example_2.get('size', '')
25.     floor = example_2.get('floor', '')
26.     direction = example_2.get('direction', '')
27.     type = example_2.get('type', '')
28.     BuildTime = example_2.get('BuildTime','')
29.     district = example_2.get('district', '')
30.     nearby = example_2.get('nearby', '')
31.     community = example_2.get('community', '')
32.     decoration = example_2.get('decoration', '')
33.     elevator = example_2.get('elevator', '')
34.     elevatorNum = example_2.get('elevatorNum', '')
35.     ownership = example_2.get('ownership', '')
36.     cursor.execute('insert into wf (title, total_price, unit_price, square, size, floor,direction,type,BuildTime,district,nearby, community, decoration, elevator,elevatorNum,ownership)'
37.                    'values (%s,%s,%s,%s,%s,%s,%s,%s,%s,%s,%s,%s,%s,%s,%s,%s)',
38.                    [title, total_price, unit_price, square, size, floor,direction,type,
39.                   BuildTime,district,nearby, community, decoration, elevator,elevatorNum,ownership])
40.     conn.commit()#传入数据库
41.     conn.close()#关闭数据库

复制代码

3、爬虫程序实现

这部分代码放到lianjia_house.py文件，调用项目Spider_wf.py文件中的write_csv和write_db函数
点击查看代码[code]#爬取链家二手房详情页信息import timefrom random import randintimport requestsfrom lxml import etreefrom secondhouse_spider.Spider_wf import write_csv,write_db#模拟浏览器操作USER_AGENTS = [    "Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; SV1; AcooBrowser; .NET CLR 1.1.4322; .NET CLR 2.0.50727)",    "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 6.0; Acoo Browser; SLCC1; .NET CLR 2.0.50727; Media Center PC 5.0; .NET CLR 3.0.04506)",    "Mozilla/4.0 (compatible; MSIE 7.0; AOL 9.5; AOLBuild 4337.35; Windows NT 5.1; .NET CLR 1.1.4322; .NET CLR 2.0.50727)",    "Mozilla/5.0 (Windows; U; MSIE 9.0; Windows NT 9.0; en-US)",    "Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; Win64; x64; Trident/5.0; .NET CLR 3.5.30729; .NET CLR 3.0.30729; .NET CLR 2.0.50727; Media Center PC 6.0)",    "Mozilla/5.0 (compatible; MSIE 8.0; Windows NT 6.0; Trident/4.0; WOW64; Trident/4.0; SLCC2; .NET CLR 2.0.50727; .NET CLR 3.5.30729; .NET CLR 3.0.30729; .NET CLR 1.0.3705; .NET CLR 1.1.4322)",    "Mozilla/4.0 (compatible; MSIE 7.0b; Windows NT 5.2; .NET CLR 1.1.4322; .NET CLR 2.0.50727; InfoPath.2; .NET CLR 3.0.04506.30)",    "Mozilla/5.0 (Windows; U; Windows NT 5.1; zh-CN) AppleWebKit/523.15 (KHTML, like Gecko, Safari/419.3) Arora/0.3 (Change: 287 c9dfb30)",    "Mozilla/5.0 (X11; U; Linux; en-US) AppleWebKit/527+ (KHTML, like Gecko, Safari/419.3) Arora/0.6",    "Mozilla/5.0 (Windows; U; Windows NT 5.1; en-US; rv:1.8.1.2pre) Gecko/20070215 K-Ninja/2.1.1",    "Mozilla/5.0 (Windows; U; Windows NT 5.1; zh-CN; rv:1.9) Gecko/20080705 Firefox/3.0 Kapiko/3.0",    "Mozilla/5.0 (X11; Linux i686; U;) Gecko/20070322 Kazehakase/0.4.5",    "Mozilla/5.0 (X11; U; Linux i686; en-US; rv:1.9.0.8) Gecko Fedora/1.9.0.8-1.fc10 Kazehakase/0.5.6",    "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/535.11 (KHTML, like Gecko) Chrome/17.0.963.56 Safari/535.11",    "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_7_3) AppleWebKit/535.20 (KHTML, like Gecko) Chrome/19.0.1036.7 Safari/535.20",    "Opera/9.80 (Macintosh; Intel Mac OS X 10.6.8; U; fr) Presto/2.9.168 Version/11.52",]#随机USER_AGENTSrandom_agent = USER_AGENTS[randint(0, len(USER_AGENTS) - 1)]headers = {'User-Agent': random_agent,}class SpiderFunc:    def __init__(self):        self.count = 0    def spider(self ,list):        for sh in list:            response = requests.get(url=sh, params={'param':'1'},headers={'Connection':'close'}).text            tree = etree.HTML(response)            li_list = tree.xpath('//ul[@]/li[@]')            for li in li_list:                # 获取每套房子详情页的URL                detail_url = li.xpath('.//div[@]/a/@href')[0]                try:                    # 向每个详情页发送请求                    detail_response = requests.get(url=detail_url, headers={'Connection': 'close'}).text                except Exception as e:                    sleeptime = randint(15,30)                    time.sleep(sleeptime)#随机时间延迟                    print(repr(e))#打印异常信息                    continue                else:                    detail_tree = etree.HTML(detail_response)                    item = {}                    title_list = detail_tree.xpath('//div[@]/h1/text()')                    item['title'] = title_list[0] if title_list else None  # 1简介                    total_price_list = detail_tree.xpath('//span[@]/text()')                    item['total_price'] = total_price_list[0] if total_price_list else None  # 2总价                    unit_price_list = detail_tree.xpath('//span[@]/text()')                    item['unit_price'] = unit_price_list[0] if unit_price_list else None  # 3单价                    square_list = detail_tree.xpath('//div[@]/div[@]/text()')                    item['square'] = square_list[0] if square_list else None  # 4面积                    size_list = detail_tree.xpath('//div[@]/div[@]/ul/li[1]/text()')                    item['size'] = size_list[0] if size_list else None  # 5户型                    floor_list = detail_tree.xpath('//div[@]/div[@]/ul/li[2]/text()')                    item['floor'] = floor_list[0] if floor_list else None#6楼层                    direction_list = detail_tree.xpath('//div[@]/div[@]/text()')                    item['direction'] = direction_list[0] if direction_list else None  # 7朝向                    type_list = detail_tree.xpath('//div[@]/div[@]/text()')                    item['type'] = type_list[0] if type_list else None  # 8楼型                    BuildTime_list = detail_tree.xpath('//div[@]/div[@]/ul/li[5]/span[2]/text()')                    item['BuildTime'] = BuildTime_list[0] if BuildTime_list else None  # 9房屋年限                    district_list = detail_tree.xpath('//div[@]/span[@]/a[1]/text()')                    item['district'] = district_list[0] if district_list else None  # 10地区                    nearby_list = detail_tree.xpath('//div[@]/span[@]/a[2]/text()')                    item['nearby'] = nearby_list[0] if nearby_list else None  # 11区域                    community_list = detail_tree.xpath('//div[@]/a[1]/text()')                    item['community'] = community_list[0] if community_list else None  # 12小区                    decoration_list = detail_tree.xpath('//div[@]/div[@]/ul/li[9]/text()')                    item['decoration'] = decoration_list[0] if decoration_list else None  # 13装修                    elevator_list = detail_tree.xpath('//div[@]/div[@]/ul/li[11]/text()')                    item['elevator'] = elevator_list[0] if elevator_list else None  # 14电梯                    elevatorNum_list = detail_tree.xpath('//div[@]/div[@]/ul/li[10]/text()')                    item['elevatorNum'] = elevatorNum_list[0] if elevatorNum_list else None  # 15梯户比例                    ownership_list = detail_tree.xpath('//div[@]/div[@]/ul/li[2]/span[2]/text()')                    item['ownership'] = ownership_list[0] if ownership_list else None  # 16交易权属                    self.count += 1                    print(self.count,title_list)                    # 将爬取到的数据存入CSV文件                    write_csv(item)                    # 将爬取到的数据存取到MySQL数据库中                    write_db(item)#循环目标网站count =0for page in range(1,101):    if page