码迷,mamicode.com
首页 > 编程语言 > 详细

python爬取北京租房信息

时间:2018-06-11 13:59:53      阅读:229      评论:0      收藏:0      [点我收藏+]

标签:python   爬虫   

租房助手

发现官网的筛选方式不能满足自己的需求,所以爬取相关网站制作出现在的东西来

效果预览-> <a href="https://virzc.com/2018/05/17/beijingrent/#more" target="_blank">在线预览</a>

###下面进行详细分析
一.首先爬取起始地和终点地的路线及沿途地铁站名称

1.爬取8684.cn的地铁查询:

  pattern = ‘http://bjdt.8684.cn/so.php?k=p2p&q={}&q1={}‘
  • q->起始位置,q1为目标位置。返回的是html页面。

    2.采用scrapy进行xpath解析,提取相关的html标签和值

  • 如提取线路方案列表的xpath表达式
            Selector(text=body).xpath(
            "//div[@class=‘iContainer clear‘]/div[@class=‘iMain‘]/div[@class=‘transferMainShowWrap‘]/ul[@class=‘tms-mn tms-project‘]/li")
            .extract()

3.提取出线路方案列表后,针对列表中的每个元素进行提取站点的操作,可参考提取a标签,但剔除带有class属性的html值。

4.将所有的站点放到一个列表中,同时针对列表元素进行去重操作,记得记录路线描述和距离,可定义相关对象来维护。

二.通过站点查询租房信息

1.主要对自如官网进行爬取。

pattern=http://www.ziroom.com/z/nl/z2.html?qwd={}
  • qwd可能需要进行urlencode
  • 返回的是html页面,需要对页面进行分析,首先提取出总页数,然后根据总页数去请求其余页面。上面的url附加q参数,q参数为页面索引,即是单独页面链接

    2.针对单个页面提取各个单条项目的信息。
    如提取单个页面的信息列表

     ls = Selector(text=body).xpath("//ul[@id=‘houseList‘]/li").extract();
  • 针对列表进行单个处理,提取感兴趣的信息。

    3.处理封装返回。
    针对提取的信息,进行筛选,例如对价格进行筛选,对大小进行筛选,不用做排序。采用前端框架来进行排序。后台做的处理已经够多了。

三.接入到公众号中

可以接入到公众号中,提高公众号的影响力,具体的公众平台对接请参考<a href="https://github.com/zc1024/wxplatform/blob/master/weixin.py" target="_blank">访问github开源项目</a>

python爬取北京租房信息

标签:python   爬虫   

原文地址:http://blog.51cto.com/13801588/2127982

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!