作者介绍:timber ,在一家电子商务(外贸)公司任职运维,平常工作时我觉得敲命令的样子也很帅 ---Python,Changed me! 个人博客地址: https://blog.csdn.net/weixin_42946604 本文首发于: https://blog.csdn.net/weixin_42946604 前言 我这里用到了的python+selenium来抓取链家房数据,因爲很多时候分析参数,头疼啊,能分析的还好。有些网页就很变态哦,参数都是经过加密的。 selenium自动化优点(我去找了一下度娘…哈哈),完全可以模拟人工操作网页,而且相对其他爬虫不用写请求头(偷懒),例如直接request的,听说更容易被封(403),我只是听说! 最后希望更大家互勉互力,一同进步!现在跟大家分享一下python selenium的小知识… 整体流程 1、安裝selenium 命令行:pip install selenium 敲回车 2、下載chromedriver插件,對應自己的版本,链接在此: http://chromedriver.storage./index.html 直接放在Python的Scripts目录下就可以不能配置变量了,而且也不用声明路径 (后面会说到) 3、安裝pyquery 一样的用到pip安装 敲回车 命令行:pip install pyquery 4、安裝pymysql 命令行:pip install pymysql 同上 5、以上安裝完成后,开始我們的骚操作了。 网页分析 我们不用声明请求头还有分析一些参数了,只要我们拿到URL,指哪爬哪! 那这些数据的提取正题就来了! 发现每个小区的售房信息都在ul下的li标签里面。直接上代码 第一步拿到html结构,然后用pyquery解析遍历li标签,我使用了items()方法 提取小区名称,找到a标签的class 提取房类的文本,span标签下面 其他的TEXT文本都是这样的方法提取 我们这里判断一下ul的class,防止有时候网络加载的问题,导致发生错误。 模拟滚动,点击下一步操作 我们没跳转一页就滚动一下滚动条,这个有好处的哦有时候很多异步加载的,例如一下ajax加载的就是很好的例子了,查看评论的时候很多是这样的!我们来看一下 这也是个方法,根据个人不同来定义,我这里以800来滚动。 代码实现 直接上图 一些其他的小动作,可以自己添加哦! 数据存储 我这里用mysql存放数据,上图 我提前把数据表建好了的,表名为lianjie_data,数据库名是lianjie,这里根据个人情况。 数据展示 是不是完完全全模拟人工操作呢,其实我没加太多动作 嘻嘻 千山万水总是情,点个「好看」行不行。 ◆ ◆ ◆ ◆ ◆ |
|