网站推广公司黄页,dede增加手机网站,亚马逊上卖得最好的中国产品,网站改版汇报一、背景 在数据分析和市场调研中#xff0c;获取房地产数据是至关重要的一环。本文介绍了如何利用 Python 中的 requests、lxml 库以及 pandas 库#xff0c;结合 XPath 解析网页信息#xff0c;实现对链家网二手房销售数据的爬取#xff0c;并将数据导出为 Excel 文件的过… 一、背景 在数据分析和市场调研中获取房地产数据是至关重要的一环。本文介绍了如何利用 Python 中的 requests、lxml 库以及 pandas 库结合 XPath 解析网页信息实现对链家网二手房销售数据的爬取并将数据导出为 Excel 文件的过程。 二、效果图 函数功能
getAreasInfo(city): 该函数用于获取指定城市的各区域名称和链接信息返回一个列表包含区域名和链接。getSinglePageInfo(city, areaname, pathname): 该函数用于获取单页的二手房销售数据包括房屋名称、小区名、房屋信息等返回一个 DataFrame 对象。getSalesData(city): 该函数整合了前两个函数遍历所有区域获取多页数据并将结果保存为 Excel 文件。 数据保存 爬取的数据经过整理后以 DataFrame 的形式存储并最终通过 to_excel() 方法保存为 Excel 文件便于后续分析和可视化展示。
三、代码讲解
import requestsfrom bs4 import BeautifulSoupimport pandas as pd 如果出现模块报错 进入控制台输入建议使用国内镜像源
pip install 模块名称 -i https://mirrors.aliyun.com/pypi/simple我大致罗列了以下几种国内镜像源
清华大学
https://pypi.tuna.tsinghua.edu.cn/simple阿里云
https://mirrors.aliyun.com/pypi/simple/豆瓣
https://pypi.douban.com/simple/ 百度云
https://mirror.baidu.com/pypi/simple/中科大
https://pypi.mirrors.ustc.edu.cn/simple/华为云
https://mirrors.huaweicloud.com/repository/pypi/simple/腾讯云
https://mirrors.cloud.tencent.com/pypi/simple/
首先我们导入了必要的库
import requests
from lxml import etree
import json
import pandas as pd接下来是一些请求所需的头信息和 cookiescookies {# 这里是一些 cookie 信息
}
headers {# 这里是一些请求头信息
}
现在我们定义了一个函数 getAreasInfo(city)用于获取各个区域的名称和链接
def getAreasInfo(city):# 发送请求获取页面内容# 从页面内容中提取区域名称和链接return districts
然后是另一个函数 getSinglePageInfo(city, areaname, pathname)用于获取单页的二手房信息
def getSinglePageInfo(city, areaname, pathname):# 发送请求获取页面内容# 解析页面内容提取所需的房屋信息# 将提取的信息保存到 DataFrame 中return df
接下来是主函数 getSalesData(city)用于获取整个城市的二手房销售数据并保存到 Excel 文件
def getSalesData(city):# 获取各区域信息# 遍历各区域调用 getSinglePageInfo() 函数获取数据# 整合数据到 DataFrame 中# 将 DataFrame 数据保存为 Excel 文件
最后在 if __name__ __main__: 中我们调用了 getSalesData(hz) 函数以执行爬取数据的操作。 四、完整代码 import requests
from lxml import etree
import re
import json
import pandas as pd
cookies {lianjia_uuid: d63243c2-9abd-4016-a428-7272d9bd4265,crosSdkDT2019DeviceId: -5xmwrm-pv43pu-kiaob2z7e31vj11-vs7ndc7b3,select_city: 330100,digv_extends: %7B%22utmTrackId%22%3A%22%22%7D,ke_uuid: bac7de379105ba27d257312d20f54a59,sensorsdata2015jssdkcross: %7B%22distinct_id%22%3A%2218a8d4f86e46b6-0a2c26d29b1766-4f641677-2073600-18a8d4f86e5f7e%22%2C%22%24device_id%22%3A%2218a8d4f86e46b6-0a2c26d29b1766-4f641677-2073600-18a8d4f86e5f7e%22%2C%22props%22%3A%7B%22%24latest_traffic_source_type%22%3A%22%E7%9B%B4%E6%8E%A5%E6%B5%81%E9%87%8F%22%2C%22%24latest_referrer%22%3A%22%22%2C%22%24latest_referrer_host%22%3A%22%22%2C%22%24latest_search_keyword%22%3A%22%E6%9C%AA%E5%8F%96%E5%88%B0%E5%80%BC_%E7%9B%B4%E6%8E%A5%E6%89%93%E5%BC%80%22%7D%7D,lianjia_ssid: 6734443f-a11a-49c9-989e-8c5d2dc51185,
}headers {Accept: text/html,application/xhtmlxml,application/xml;q0.9,image/avif,image/webp,image/apng,*/*;q0.8,application/signed-exchange;vb3;q0.7,Accept-Language: zh-CN,zh;q0.9,en;q0.8,en-GB;q0.7,en-US;q0.6,Connection: keep-alive,# Cookie: lianjia_uuidd63243c2-9abd-4016-a428-7272d9bd4265; crosSdkDT2019DeviceId-5xmwrm-pv43pu-kiaob2z7e31vj11-vs7ndc7b3; select_city330100; digv_extends%7B%22utmTrackId%22%3A%22%22%7D; ke_uuidbac7de379105ba27d257312d20f54a59; sensorsdata2015jssdkcross%7B%22distinct_id%22%3A%2218a8d4f86e46b6-0a2c26d29b1766-4f641677-2073600-18a8d4f86e5f7e%22%2C%22%24device_id%22%3A%2218a8d4f86e46b6-0a2c26d29b1766-4f641677-2073600-18a8d4f86e5f7e%22%2C%22props%22%3A%7B%22%24latest_traffic_source_type%22%3A%22%E7%9B%B4%E6%8E%A5%E6%B5%81%E9%87%8F%22%2C%22%24latest_referrer%22%3A%22%22%2C%22%24latest_referrer_host%22%3A%22%22%2C%22%24latest_search_keyword%22%3A%22%E6%9C%AA%E5%8F%96%E5%88%B0%E5%80%BC_%E7%9B%B4%E6%8E%A5%E6%89%93%E5%BC%80%22%7D%7D; lianjia_ssid6734443f-a11a-49c9-989e-8c5d2dc51185,Referer: https://hz.ke.com/ershoufang/pg2/,Sec-Fetch-Dest: document,Sec-Fetch-Mode: navigate,Sec-Fetch-Site: same-origin,Sec-Fetch-User: ?1,Upgrade-Insecure-Requests: 1,User-Agent: Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/122.0.0.0 Safari/537.36 Edg/122.0.0.0,sec-ch-ua: Chromium;v122, Not(A:Brand;v24, Microsoft Edge;v122,sec-ch-ua-mobile: ?0,sec-ch-ua-platform: macOS,
}
# 获取区的名称和路由
def getAreasInfo(city):responseinit requests.get(fhttps://{city}.ke.com/ershoufang, cookiescookies, headersheaders)html_text_init etree.HTML(responseinit.text)districts [z for z in zip(html_text_init.xpath(//a[class CLICKDATA]/text()),html_text_init.xpath(//a[class CLICKDATA]/href))]return districts
# 获取页面数据
def getSinglePageInfo(city, areaname, pathname):response1 requests.get(fhttps://{city}.ke.com{pathname}pg1/, cookiescookies, headersheaders)html_text1 etree.HTML(response1.text)# 获取页面总数pageInfo html_text1.xpath(//div[classpage-box house-lst-page-box]/page-data)# 数据较多可以先设置2页看看是否可以导出# pageTotal json.loads(pageInfo[0])[totalPage]pageTotal 2title []position []house []follow []totalPrice []unitPrice []url []for i in range(1, pageTotal1):response requests.get(fhttps://{city}.ke.com{pathname}pg{i}/, cookiescookies, headersheaders)html_text etree.HTML(response.text)ullist html_text.xpath(//ul[classsellListContent]//li[classclear])for li in ullist:liChildren li.getchildren()[1]# 名称title.append(liChildren.xpath(./div[classtitle]/a/text())[0])# url 地址url.append(liChildren.xpath(./div[classtitle]/a/href)[0])# 小区名称position.append(liChildren.xpath(./div/div/div[classpositionInfo]/a/text())[0])# 房屋信息houselis liChildren.xpath(./div/div[classhouseInfo]/text())house.append([x.replace(\n, ).replace( , )for x in houselis][1])# 上传时间followlis liChildren.xpath(./div/div[classfollowInfo]/text())follow.append([x.replace(\n, ).replace( , )for x in followlis][1])# 总价totalPrice.append(liChildren.xpath(./div/div[classpriceInfo]/div[classtotalPrice totalPrice2]/span/text())[0].strip())# 单价unitPrice.append(liChildren.xpath(./div/div[classpriceInfo]/div[classunitPrice]/span/text())[0].replace(元/平, ))return pd.DataFrame(dict(zip([行政区域, 名称, 小区名, 房屋信息, 发布时间, 总价万, 单价元/平, 地址],[areaname, title, position, house, follow, totalPrice, unitPrice, url])))def getSalesData(city):districts getAreasInfo(city)dfInfos pd.DataFrame()for district in districts:dfInfo getSinglePageInfo(city, district[0], district[1])dfInfos pd.concat([dfInfos, dfInfo], axis0)dfInfos.to_excel(f{city}二手房销售数据.xlsx, indexFalse)if __name__ __main__:getSalesData(hz)pass
