Python实战计划——第三节:如何爬取网页

视频重点####

练习代码####

总结#####

1. 视频重点###

  1. 查看请求:右键检查——network——刷新
  2. 用requests库构造请求。requests.get(url返回response,储存为wb_data
  3. 用beautifulsoup解析用text方法使wb_data可读BeautifulSoup(wb_data.text,'lxml')
  4. 选出需要的信息。利用样式的唯一性:在源码中查找样式信息以确定是否具有唯一性;selector方法:标签加方括号加属性selector('img[wight="160"]')
  5. 源码是请求之后加载出来的,源码的信息通过js处理过的。

2. 练习代码###

    from bs4 import BeautifulSoup
    import requests
    import time
    
   # url = 'http://bj.xiaozhu.com/search-duanzufang-p1-0/'
   # urla = 'http://bj.xiaozhu.com/fangzi/1580034935.html'
    def each_href(url):#提取一个页面上每个房东的链接
        wb_data = requests.get(url)
        soup = BeautifulSoup(wb_data.text, 'lxml')
        xiangqings = soup.find_all('a', target="_blank")
        urls=[]#装链接的列表
        for xiangqing in xiangqings:
            urls.append(xiangqing.get('href'))
        return (urls)
    def each_info(urla):#爬取每个房东的信息
        wb_data = requests.get(urla)
        time.sleep(2)
        soup = BeautifulSoup(wb_data.text, 'lxml')
        titles = soup.select('div.pho_info > h4 > em')
        prices = soup.select('#pricePart > div.day_l > span')
        adds = soup.select('span[class="pr5"]')
        img_rooms = soup.select('#detailImageBox > div.pho_show_r > div > ul > li > img')
        img_hosts = soup.select('#floatRightBox > div.js_box.clearfix > div.member_pic > a > img')
        ffs = soup.select('#floatRightBox > div.js_box.clearfix > div.w_240 > h6 > span')#这是性别
        names = soup.select('#floatRightBox > div.js_box.clearfix > div.w_240 > h6 > a')
    
        for title, price, add, img_room, img_host,ff,name in zip(titles, prices, adds, img_rooms, img_hosts,ffs,names):
            if str(ff)=='<span class="member_girl_ico"></span>':#将ff字符串化,否则ff = <span class="member_girl_ico"></span>
                ff= "女性"
            else:
                ff="男性"
            data = {
                'title': title.get_text(),
                'price': price.get_text(),
                'add': add.get_text().split("\n")[0],
                'img_room': img_room.get('data-bigimg'),
                'img_host': img_host.get('src'),
                'ff':  ff ,
                'name':name.get_text()
            }
            print(data)
    i=input("想爬取多少页的信息?")
    for url in ['http://bj.xiaozhu.com/search-duanzufang-p{}-0/'.format(k) for k in range(1, int(i)+1)]:#把每页的地址迭代出来,
#传给函数each_herf获得房东的链接,再传给ezch_info爬取详细信息
        for urla in each_href(url):
            each_info(urla)

爬取结果:

运行结果.jpg

3. 总结###

多对一关系,数据结构化.png

确定元素唯一性.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
  • 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 194,242评论 5 459
  • 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 81,769评论 2 371
  • 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 141,484评论 0 319
  • 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 52,133评论 1 263
  • 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 61,007评论 4 355
  • 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 46,080评论 1 272
  • 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 36,496评论 3 381
  • 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 35,190评论 0 253
  • 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 39,464评论 1 290
  • 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 34,549评论 2 309
  • 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 36,330评论 1 326
  • 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 32,205评论 3 312
  • 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 37,567评论 3 298
  • 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 28,889评论 0 17
  • 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 30,160评论 1 250
  • 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 41,475评论 2 341
  • 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 40,650评论 2 335

推荐阅读更多精彩内容

  • Date:2016-9-21update:2016-9-30By:Black Crow 前言: 终于进入到网络页面...
    black_crow阅读 842评论 0 2
  • Date:2016-10-7By:Black Crow 前言: 本次作业为第二周第二节、第三节的作业合并,爬取的是...
    black_crow阅读 3,162评论 0 1
  • Android 自定义View的各种姿势1 Activity的显示之ViewRootImpl详解 Activity...
    passiontim阅读 171,047评论 25 707
  • 毕业之际,在大学之初许下的一些愿望都一一实现,独独剩下带父母旅游这一计划,迟迟没有行动。趁论文答辩结束,毕业典礼...
    梦之行之阅读 72评论 0 0
  • 不知道是哪个清晨 我接到了来自母亲的电话 微微颤抖的声音里 虚掩着满满的委屈 这年 我已经二十二 胡渣几天不理便簇...
    毛羽阅读 120评论 0 0