趴房源

import requests

from bs4 import BeautifulSoup

# 网页的请求头

header = {

　　'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/60.0.3112.113 Safari/537.36'

}

def get_page(url):

　　response = requests.get(url, headers=header)

　　# 通过BeautifulSoup进行解析出每个房源详细列表并进行打印

　　soup_idex = BeautifulSoup(response.text, 'html.parser')

　　result_li = soup_idex.find_all('li', {'class': 'list-item'})

　　# 进行循环遍历其中的房源详细列表

　　for i in result_li:

　　　　# 由于BeautifulSoup传入的必须为字符串，所以进行转换

　　　　page_url = str(i)

　　　　soup = BeautifulSoup(page_url, 'html.parser')

　　　　# 由于通过class解析的为一个列表，所以只需要第一个参数

　　　　result_href = soup.find_all('a', {'class': 'houseListTitle'})[0]

　　　　# 详细页面的函数调用

　　　　get_page_detail(result_href.attrs['href'])

　　# 进行下一页的爬取

　　result_next_page = soup_idex.find_all('a', {'class': 'aNxt'})

　　if len(result_next_page) != 0:

　　　　# 函数进行递归

　　　　get_page(result_next_page[0].attrs['href'])

　　else:

　　　　print('没有下一页了')

# 进行字符串中空格，换行，tab键的替换及删除字符串两边的空格删除

def my_strip(s):

　　return str(s).replace(" ", "").replace("\n", "").replace("\t", "").strip()

# 由于频繁进行BeautifulSoup的使用，封装一下

def my_Beautifulsoup(response):

　　return BeautifulSoup(str(response), 'html.parser')

 

# 详细页面的爬取

def get_page_detail(url):

　　response = requests.get(url, headers=header)

　　if response.status_code == 200:

　　　　soup = BeautifulSoup(response.text, 'html.parser')

　　　　result_title = soup.find_all('h3', {'class': 'long-title'})[0]

　　　　result_price = soup.find_all('span', {'class': 'light info-tag'})[0]

　　　　result_house_1 = soup.find_all('div', {'class': 'first-col detail-col'})

　　　　result_house_2 = soup.find_all('div', {'class': 'second-col detail-col'})

　　　　result_house_3 = soup.find_all('div', {'class': 'third-col detail-col'})

　　　　soup_1 = my_Beautifulsoup(result_house_1)

　　　　soup_2 = my_Beautifulsoup(result_house_2)

　　　　soup_3 = my_Beautifulsoup(result_house_3)

　　　　result_house_tar_1 = soup_1.find_all('dd')

　　　　result_house_tar_2 = soup_2.find_all('dd')

　　　　result_house_tar_3 = soup_3.find_all('dd')

　　　　print(my_strip(result_title.text), my_strip(result_price.text))

　　　　print(my_strip(result_house_tar_1[0].text),

　　　　my_strip(my_Beautifulsoup(result_house_tar_1[1]).find_all('p')[0].text),

　　　　my_strip(result_house_tar_1[2].text), my_strip(result_house_tar_1[3].text))

　　　　print(my_strip(result_house_tar_2[0].text), my_strip(result_house_tar_2[1].text),

　　　　my_strip(result_house_tar_2[2].text), my_strip(result_house_tar_2[3].text))

　　　　print(my_strip(result_house_tar_3[0].text), my_strip(result_house_tar_3[1].text),

　　　　my_strip(result_house_tar_3[2].text))

if __name__ == '__main__':

　　# url链接

　　url = 'https://zhengzhou.anjuke.com/sale/'

　　# 页面爬取函数调用

　　get_page(url)