|
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。 ◆ ◆ ◆ ◆ ◆ |
|
|
