第六章 Scrapy框架(二十七) 2020-03-29

二十七、 分布式爬虫– 实战– 链家网全国房源信息爬取(3


pipeline.py 代码


import json

 

 

class LjPipeline(object):

    def __init__(self):

        self.fp = open("houses.txt",'w', encoding='utf-8')

 

    def process_item(self, item, spider):

        self.fp.write(json.dumps(dict(item),ensure_ascii=False)+"\n")

        return item

 

    def close_spider(self, spider):

        self.fp.close()


settings.py 设置

 

ITEM_PIPELINES= {

   'lj.pipelines.LjPipeline': 300,

}


创建 start.py 代码


from scrapy import cmdline

 

cmdline.execute("scrapycrawl house".split(" "))


续上例,house.py 示例代码


import scrapy

from ..items import LjItem

import re

import json

 

 

class HouseSpider(scrapy.Spider):

    name = 'house'

    allowed_domains = ['lianjia.com']

    start_urls =['https://www.lianjia.com/city/']

 

    def parse(self, response):

        city_tags =response.css(".city_list_ul a")

        for city_tag in city_tags:

            city_url = city_tag.css("::attr(href)").get()

            city_name =city_tag.css("::text").get()

            item = LjItem(city=city_name)

            yield scrapy.Request(city_url+"ershoufang/",callback=self.parse_region_list, meta={"item": item})

 

    def parse_region_list(self, response):

       # 解析行政区的url

        item = response.meta.get('item')

        region_tags =response.css("div[data-role='ershoufang'] .a")

        for region_tag in region_tags:

            region_url =region_tag.css("::attr(href)").get()

            region_name =region_tag.css("::text").get()

            item['region'] = region_name

            yield scrapy.Request(response.urljoin(region_url), callback=self.parse_house_page,meta={"item": item})

 

    def parse_house_page(self, response):

       # 翻页

        page_data =response.css("div[comp-module='page']::attr(page-data)").get()

        totalPage =json.loads(page_data)['totalPage']

        for x in range(1, totalPage + 1):

            yield scrapy.Request(response.url +"pg" + str(x), callback=self.parse_house_list,meta={"item":response.meta.get('item')})

 

    def parse_house_list(self, response):

       # 解析房源列表

        item =response.meta.get("item")

        detail_urls = response.css(".sellListContentli>a::attr(href)").getall()

        for detail_url in detail_urls:

            result =re.search(r'/ershoufang/\d+\.html', detail_url)

            if result:

                yieldscrapy.Request(detail_url, callback=self.parse_house, meta={"item":item})

 

    def parse_house(self, response):

       # 解析房源详情页

        item = response.meta.get('item')

        item['title'] =response.css("h1.main::text").get()

        item['total_price'] =response.css(".price.total::text").get()

        item['unit_price'] =response.css(".unitPriceValue::text").get()

        item['house_type'] =response.css(".content ul li:nth-child(1)::text").get()

        item['orientation'] =response.css(".content ul li:nth-child(7)::text").get()

        item['full_area'] =response.css(".content ul li:nth-child(3)::text").get()

        item['inside_area'] =response.css(".content ul li:nth-child(5)::text").get()

        item['years'] =response.css(".area .subInfo::text").get()

        yield item



上一篇文章 第六章 Scrapy框架(二十六) 2020-03-28 地址:

https://www.jianshu.com/p/cd9593e50b3a

下一篇文章 第六章 Scrapy框架(二十八) 2020-03-30 地址:

https://www.jianshu.com/p/fe9e9f6505c6



以上资料内容来源网络,仅供学习交流,侵删请私信我,谢谢。

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
  • 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 212,222评论 6 493
  • 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 90,455评论 3 385
  • 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 157,720评论 0 348
  • 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 56,568评论 1 284
  • 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 65,696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 49,879评论 1 290
  • 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 39,028评论 3 409
  • 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 37,773评论 0 268
  • 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 44,220评论 1 303
  • 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 36,550评论 2 327
  • 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 38,697评论 1 341
  • 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 34,360评论 4 332
  • 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 40,002评论 3 315
  • 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 30,782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 32,010评论 1 266
  • 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 46,433评论 2 360
  • 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 43,587评论 2 350

推荐阅读更多精彩内容