爬取自如房源信息

难点自如的价格进行了css偏移:

利用到的第三方库:requests,re,lxml,pymysql,pytesseract,其中的数据库要是没有可以删除save方法,若有可以自行进行搭建,用户账号和密码输入自己的。数据库字段设置如下显示:


image.png

pytesseract这个库安装较为麻烦,具体操作可以看这个
https://blog.csdn.net/luanyongli/article/details/81385284------这个文字较多其实操作起来很快的。如果安装好后用图片实验发现失败,可以把文件删了重新操作(不要问我是怎么知道的)

1593698180(1).png

如有问题,请直接留言,可一同讨论!!!

话不多说直接上代码:

image.png
image.png
def get_html(self,url):
    resp = requests.get(url=url, headers=self.headers, timeout=10)
    code = resp.status_code
    self.content = resp.text
    imgurl = re.findall(r'<span class="num" style="background-image: url(.*?);background-position:.*?"></span>',
                        resp.text)[0].replace('(', '').replace(')', '')
    image_url = 'http:'+imgurl
    if code == 200:
        with open('data.html', 'w', encoding='utf-8')as f:
            f.write(resp.text)
            f.close()
        return image_url
    else:
        print('获取失败!!', code)
    pass

def download_img(self, image_url):
    resp = requests.get(url=image_url)
    file_name = image_url.split('/')[-1]
    with open(file_name, 'wb') as f:
        f.write(resp.content)
        f.close()
        pass
    return file_name

def parse_img(self, file_name):
    image = Image.open(file_name)
    nums = pytesseract.image_to_string(image)
    nums = [num for num in nums]
    for num in nums:
        if num == ' ':
            nums.remove(num)
    self.offset = ['-0px', '-21.4px', '-42.8px', '-64.2px', '-85.6px',
                   '-107px', '-128.4px', '-149.8px', '-171.2px', '-192.6px']
    for k, v in zip(self.offset, nums):
        self.real_num[k] = v
    # print(self.real_num)

def get_data(self):
    contents = etree.HTML(self.content)
    real_price = []
    name = contents.xpath('.//div[2]/h5/a/text()')
    floor_size = contents.xpath(
        '/html/body/section/div[3]/div[2]/div/div[2]/div[1]/div[1]/text()')
    location = contents.xpath(
        '//section/div[3]/div[2]/div/div[2]/div/div[2]/text()')
    home_offset = re.findall(
        r'<span class="rmb">¥</span>(.*?)</div>', self.content, re.S)
    for offsets in home_offset:
        offsets = re.findall(
            'background-position: (.*?)"></span>', offsets)
        price = ''
        for offset in offsets:
            price += self.real_num[offset]
        real_price.append(price)
        price = ''
    data = {}
    try:
        for name, price, floor_size, location in zip(name, real_price, floor_size, location):
            infos = name.split('·')
            items = floor_size.split('|')
            size=re.findall(r'(.*?)㎡',str(items[0]))[0]
            data['style'] = str(infos[0])
            data['name'] = str(infos[1])
            data['floor'] = str(items[1])
            data['size'] = float(size)
            data['price'] = float(price)
            data['location'] = location.replace(
                '\n', '').replace('\t', '').strip()
            self.save(data)
    except:
        print('数据错误')
    pass

def save(self, data):
    db = pymysql.connect(host='localhost', port=3306,
                         db='pengwei', user='pengwei', password='pengwei')
    cursor = db.cursor()
    cursor.execute(
        """ INSERT into ziru value(%s, %s, %s, %s, %s, %s)"""
        ,(data['name'], data['style'], data['size'], data['price'], data['floor'], data['location'])
    )
    db.commit()
    cursor.close()
    pass
pass
image.png
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
禁止转载,如需转载请通过简信或评论联系作者。
  • 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 215,133评论 6 497
  • 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 91,682评论 3 390
  • 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 160,784评论 0 350
  • 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 57,508评论 1 288
  • 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 66,603评论 6 386
  • 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 50,607评论 1 293
  • 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 39,604评论 3 415
  • 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 38,359评论 0 270
  • 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 44,805评论 1 307
  • 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 37,121评论 2 330
  • 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 39,280评论 1 344
  • 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 34,959评论 5 339
  • 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 40,588评论 3 322
  • 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 31,206评论 0 21
  • 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 32,442评论 1 268
  • 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 47,193评论 2 367
  • 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 44,144评论 2 352