python爬虫:青岛地区二手房信息

近来准备开始做一个有关于房价的分析项目,以重新熟练一下之前的爬虫知识,并应用一下近来学习的Tableau作图技巧,本次项目仅做交流使用,非具有任何商业用途。
为了保证信息对地区房价的真实反映,本项目选择链家网作为二手房信息的爬取网站,首先以青岛地区二手房为例进行爬取。

第一步,导入需要用到的库或模块。本次使用urllib库,通过xpath进行网页解析,由于笔者习惯对DataFrame形式的数据进行处理,因此在此导入pandas库。
import urllib.request
from lxml import etree
import pandas as pd
第二步,为了后续的数据框转换更加顺利,在网页解析部分写的有些过于细致,如果你不习惯用DataFrame,可以采用别的数据结构。
house_info = []
for page in range(1,101):
    url = 'https://qd.lianjia.com/ershoufang/pg'+str(page)
    html = urllib.request.urlopen(url).read().decode('utf-8', 'ignore')
    selector = etree.HTML(html)
    page_info = selector.xpath('//li[@class="clear LOGCLICKDATA"]')
    print('正在爬第'+str(page)+'页')
    for i in range(len(page_info)):
        house_infor_one = []
        title = page_info[i].xpath('div[@class="info clear"]/div[@class="title"]/a/text()')
        house_infor_one.extend(title if title else ['.'])
        way = page_info[i].xpath('div[@class="info clear"]/div[@class="title"]/span/text()')
        house_infor_one.extend(way if way else ['.'])
        road = page_info[i].xpath('div[@class="info clear"]/div[@class="flood"]/div/a/text()')
        house_infor_one.extend(road if road else ['.'])
        community = page_info[i].xpath('div[@class="info clear"]/div[@class="address"]/div/a/text()')
        house_infor_one.extend(community if community else ['.'])
        house_des = page_info[i].xpath('div[@class="info clear"]/div[@class="address"]/div/text()')
        house_infor_one.extend(house_des if house_des else ['.'])
        floor = page_info[i].xpath('div[@class="info clear"]/div[@class="flood"]/div/text()')
        house_infor_one.extend(floor if floor else ['.'])
        popularity = page_info[i].xpath('div[@class="info clear"]/div[@class="followInfo"]/text()')
        house_infor_one.extend(popularity if popularity else ['.'])
        subway = page_info[i].xpath('div[@class="info clear"]/div[@class="tag"]/span[@class="subway"]/text()')
        house_infor_one.extend(subway if subway else ['.'])
        taxfree = page_info[i].xpath('div[@class="info clear"]/div[@class="tag"]/span[@class="taxfree"]/text()')
        house_infor_one.extend(taxfree if taxfree else ['.'])
        haskey = page_info[i].xpath('div[@class="info clear"]/div[@class="tag"]/span[@class="haskey"]/text()')
        house_infor_one.extend(haskey if haskey else ['.'])
        total_price = page_info[i].xpath('div[@class="info clear"]/div[@class="priceInfo"]/div[1]/span/text()')
        house_infor_one.extend(total_price if total_price else ['.'])
        price_unit = page_info[i].xpath('div[@class="info clear"]/div[@class="priceInfo"]/div[1]/text()')
        house_infor_one.extend(price_unit if price_unit else ['.'])
        per_price = page_info[i].xpath('div[@class="info clear"]/div[@class="priceInfo"]/div[2]/span/text()')
        house_infor_one.extend(per_price if per_price else ['.'])
        house_info.append(house_infor_one)
第三步,将已经整理好格式的数据转换为数据框,并给他们的列进行命名,存到本地文件中,至此我们的数据就爬取结束啦
house_df = pd.DataFrame(house_info)
house_df.columns = ['房源描述', '房源来源', '房源地址(路)', '小区名称', '户型信息', '楼层', '人气', '距离地铁', '房本情况(个税)', '看房时间(钥匙)', '房源总价', '房源总价单位', '房源单价(平)','备注']
house_df.to_excel('D:/Tsingtao.xls',)
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 202,056评论 5 474
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 84,842评论 2 378
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 148,938评论 0 335
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,296评论 1 272
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,292评论 5 363
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,413评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,824评论 3 393
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,493评论 0 256
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,686评论 1 295
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,502评论 2 318
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,553评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,281评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,820评论 3 305
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,873评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,109评论 1 258
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,699评论 2 348
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,257评论 2 341

推荐阅读更多精彩内容