python爬虫（房天下）

时间 2019-12-14

标签 python 爬虫天下栏目 Python 繁體版

原文原文链接

房天下

import requests
res = requests.get('http://esf.sz.fang.com/')
#res.text

from bs4 import BeautifulSoup
soup = BeautifulSoup(res.text,'html.parser')
domain = 'http://esf.sz.fang.com'
for house in soup.select('.houseList dl'):
    if len(house.select('.title')) > 0:
        #print(house.select('.title'))
        #print(house.select('.title')[0].text.strip('\n'))
        #title = house.select('.title')[0].text.strip('\n')
        link = house.select('.title a')[0]['href']
        url = domain + link
        #print(title)
        print(url)
        print("=====================================")

http://esf.sz.fang.com/chushou/3_195350255.htm
=====================================
http://esf.sz.fang.com/chushou/3_195673873.htm
=====================================
http://esf.sz.fang.com/chushou/3_194871298.htm
=====================================
http://esf.sz.fang.com/chushou/3_195440493.htm
=====================================
http://esf.sz.fang.com/chushou/3_194941076.htm
=====================================
http://esf.sz.fang.com/chushou/3_195229169.htm
=====================================
http://esf.sz.fang.com/chushou/3_195408601.htm
=====================================
http://esf.sz.fang.com/chushou/3_195686255.htm
=====================================
http://esf.sz.fang.com/chushou/3_195652264.htm
=====================================
http://esf.sz.fang.com/chushou/3_195602160.htm
=====================================
http://esf.sz.fang.com/chushou/3_195499064.htm
=====================================
http://esf.sz.fang.com/chushou/3_195655132.htm
=====================================
http://esf.sz.fang.com/chushou/3_195018784.htm
=====================================
http://esf.sz.fang.com/chushou/3_193837152.htm
=====================================
http://esf.sz.fang.com/chushou/3_195680364.htm
=====================================
http://esf.sz.fang.com/chushou/3_195585056.htm
=====================================
http://esf.sz.fang.com/chushou/3_195346885.htm
=====================================
http://esf.sz.fang.com/chushou/3_195500516.htm
=====================================
http://esf.sz.fang.com/chushou/3_194325860.htm
=====================================
http://esf.sz.fang.com/chushou/3_195556602.htm
=====================================
http://esf.sz.fang.com/chushou/3_195555259.htm
=====================================
http://esf.sz.fang.com/chushou/3_195692033.htm
=====================================
http://esf.sz.fang.com/chushou/3_195202600.htm
=====================================
http://esf.sz.fang.com/chushou/3_195521932.htm
=====================================
http://esf.sz.fang.com/chushou/3_195392858.htm
=====================================
http://esf.sz.fang.com/chushou/3_194891027.htm
=====================================
http://esf.sz.fang.com/chushou/3_192915787.htm
=====================================
http://esf.sz.fang.com/chushou/3_195538851.htm
=====================================
http://esf.sz.fang.com/chushou/3_195737629.htm
=====================================
http://esf.sz.fang.com/chushou/3_195587205.htm
=====================================

'''
[0] 出错
IndexError: list index out of range
第1种可能状况
list[index]index超出范围
第2种可能状况
list是一个空的没有一个元素
进行list[0]就会出现该错误html

'''python

import requests
res = requests.get('http://esf.sz.fang.com/chushou/10_195724712.htm')
from bs4 import BeautifulSoup
soup = BeautifulSoup(res.text,'html.parser')

soup.select('.title h1')[0].text.strip()

'碧桂园翡翠山坡地别墅 配套设施齐全 环境优美 价格实惠 交通便利'

info = {}
info['标题'] = soup.select('.title h1')[0].text.strip()
info

{'标题': '碧桂园翡翠山坡地别墅 配套设施齐全 环境优美 价格实惠 交通便利'}

soup.select('.zongjia1 .red20b')[0].text

'398'

info['总价'] = soup.select('.zongjia1 .red20b')[0].text
info

{'总价': '398', '标题': '碧桂园翡翠山坡地别墅 配套设施齐全 环境优美 价格实惠 交通便利'}

for dd in soup.select('dd'):
    if '：' in dd.text.strip():
        #print(dd.text.strip().split('：'))
        key,value = dd.text.strip().split('：')
        info[key] = value

info

{'专业度': '2.3',
 '二 手 房': '32套',
 '使用面积': '216�O',
 '厅 结 构': '平层',
 '参考月供': '',
 '参考首付': '119.4万',
 '同比去年': '↓2.1%',
 '地上层数': '3层',
 '地下室面积': '200平米(全明)',
 '好评率': '33%',
 '建筑年代': '2016年',
 '建筑形式': '独栋',
 '建筑面积': '216�O',
 '开 发 商': '东莞市黄江碧桂园房地产开发有限公司',
 '总价': '398',
 '户型': '5室2厅1厨4卫',
 '标题': '碧桂园翡翠山坡地别墅 配套设施齐全 环境优美 价格实惠 交通便利',
 '满意度': '2.3',
 '物 业 费': '暂无资料',
 '物业公司': '暂无资料',
 '物业类型': '别墅',
 '环比上月': '↓1.39%',
 '真实度': '2.3',
 '租 房': '0套',
 '绿 化 率': '0.00%',
 '花园面积': '100平米',
 '装修程度': '精装修',
 '车位数量': '2个',
 '车库数量': '1个',
 '进门朝向': '南'}

def getHouseDetil(url):
    info = {}
    import requests
    res = requests.get(url)
    from bs4 import BeautifulSoup
    soup = BeautifulSoup(res.text,'html.parser')
    info['标题'] = soup.select('.title h1')[0].text.strip()
    info['总价'] = soup.select('.zongjia1 .red20b')[0].text
    for dd in soup.select('dd'):
        if '：' in dd.text.strip():
            #print(dd.text.strip().split('：'))
            key,value = dd.text.strip().split('：')
            info[key] = value
    return info

url = 'http://esf.sz.fang.com/chushou/3_195684731.html'
getHouseDetil(url)

{'专业度': '5',
 '二 手 房': '264套',
 '产权性质': '商品房',
 '住宅类别': '普通住宅',
 '使用面积': '76�O',
 '参考月供': '',
 '参考首付': '114万',
 '同比去年': '↑1.11%',
 '好评率': '100%',
 '年代': '2013年',
 '建筑类别': '板楼',
 '建筑面积': '89�O',
 '开 发 商': '和记黄埔地产（深圳）有限公司',
 '总价': '380',
 '户型': '3室2厅1厨2卫',
 '朝向': '南',
 '标题': '刚刚放盘 和黄懿花园顶楼湖景房 带20万装修 诚心出售380万！',
 '楼层': '高层(共10层)',
 '满意度': '5',
 '物 业 费': '3.8元/平米・月',
 '物业公司': '暂无资料',
 '物业类型': '住宅',
 '环比上月': '↑0.01%',
 '真实度': '5',
 '租 房': '66套',
 '结构': '平层',
 '绿 化 率': '30.00%',
 '装修': '精装修'}

综合案例

import requests
from bs4 import BeautifulSoup
res = requests.get('http://esf.sz.fang.com/')
soup = BeautifulSoup(res.text,'html.parser')
domain = 'http://esf.sz.fang.com'
houslist = []
for house in soup.select('.houseList dl'):
    if len(house.select('.title')) > 0:
        link = house.select('.title a')[0]['href']
        url = domain + link 
        houslist.append(getHouseDetil(url))

len(houslist)

houslist[21]

{'专业度': '5.0',
 '二 手 房': '993套',
 '产权性质': '商品房',
 '住宅类别': '普通住宅',
 '使用面积': '126�O',
 '参考月供': '',
 '参考首付': '47.4万',
 '同比去年': '暂无资料',
 '好评率': '100%',
 '年代': '2016年',
 '建筑类别': '板楼',
 '建筑面积': '128�O',
 '开 发 商': '20160527162320,2016051',
 '总价': '158',
 '户型': '4室2厅1厨2卫',
 '朝向': '南北',
 '标题': '碧桂园公园上城、全智能社区、精装四房、南站万达、带',
 '满意度': '5.0',
 '物 业 费': '2.6元/�O・月',
 '物业公司': '广东碧桂园物业服务有限公司',
 '物业类型': '住宅',
 '环比上月': '↑0.14%',
 '真实度': '5.0',
 '租 房': '0套',
 '结构': '平层',
 '绿 化 率': '30.00%',
 '装修': '精装修'}

import pandas
df = pandas.DataFrame(houslist)
#df

df.to_excel('/mnt/z/house.xlsx')

url1 = 'http://esf.sz.fang.com/house/i3'
for i in range(1,3):
    print (url1 + str(i))

http://esf.sz.fang.com/house/i31
http://esf.sz.fang.com/house/i32

import requests
import pandas
from bs4 import BeautifulSoup
domain = 'http://esf.sz.fang.com'
url1 = 'http://esf.sz.fang.com/house/i3'
houslist = []
for i in range(1,21):
    res = requests.get(url1 + str(i))
    soup = BeautifulSoup(res.text,'html.parser')
    for house in soup.select('.houseList dl'):
        if len(house.select('.title')) > 0:
            link = house.select('.title a')[0]['href']
            url = domain + link 
            houslist.append(getHouseDetil(url))
df = pandas.DataFrame(houslist)
df.to_excel('/mnt/z/house4.xlsx')