python爬取小猪短租网信息

用python的requests,bs4等库爬取了小猪短租网的杭州租房信息。
注意

  1. 有些房子居然没有写地址,这房还怎么租。
  2. python的UnboundLocalError: local variable 'xxx' referenced b
    参考 博客博客
    其他一些应注意的点写在注释里

这里总共获取了300多条信息,下一步应该考虑把这些信息存储在mongdb里面,并且采用多进程在加速爬取速度。

import requests,time
from bs4 import BeautifulSoup

start_urls = ['http://hz.xiaozhu.com/search-duanzufang-p{}-0/'.format(str(i)) for i in range(1,14)] #摘取13页的信息
count = 0
urls = []

def get_info(url):
    try:
        r = requests.get(url,timeout=30)
        r.raise_for_status()
        r.encoding = 'utf-8'
    except:
        print('error')
    soup = BeautifulSoup(r.text,'lxml')
    title = soup.select('div.pho_info > h4')
    address = soup.select('span.pr5')
    price = soup.select('div#pricePart > div.day_l > span')
    name = soup.select('a.lorder_name')
    sex = 'boy' if soup.findAll('span',class_='member_boy_ico') else 'girl' #简单的判断男女性别
    houseImage = soup.select('img#curBigImage')
    menberImage = soup.select('div.member_pic > a > img')
    info ={
        'title':title[0].get_text().strip(),
        'address':address[0].get_text().strip() if address  else '杭州',  #为防止地址不存在,特地加以判断
        'price':price[0].get_text(),
        'name':name[0].get_text().strip(),
        'sex':sex,
        'houseImage':houseImage[0].get('src'),
        'menberImage':menberImage[0].get('src')
    }
    global count  #全局变量在局部变量使用时需要指定global
    print(count)
    count = count + 1
    print(info)

def get_urls(url,urls):
    r = requests.get(url,timeout = 30)
    soup = BeautifulSoup(r.text,'lxml')
    links = soup.select('a.resule_img_a')
    for link in links:
        urls.append(link.get('href'))


def main():
    for url in start_urls:  # 获取所有url
        get_urls(url,urls)
    for url in urls:   #对每个url进行信息获取
        get_info(url)

if __name__ == '__main__':
    main()

更新:
把数据存入数据库mongdb

import requests,time,pymongo
from bs4 import BeautifulSoup

start_urls = ['http://hz.xiaozhu.com/search-duanzufang-p{}-0/'.format(str(i)) for i in range(1,14)] #摘取13页的信息
count = 0
urls = []

client  = pymongo.MongoClient('localhost',27017)    #打开数据库客户端
xiaozhu = client.xiaozhu
hz = xiaozhu.hz

def get_info(url):
    try:
        r = requests.get(url,timeout=30)
        r.raise_for_status()
        r.encoding = 'utf-8'
    except:
        print('error')
    soup = BeautifulSoup(r.text,'lxml')
    title = soup.select('div.pho_info > h4')
    address = soup.select('span.pr5')
    price = soup.select('div#pricePart > div.day_l > span')
    name = soup.select('a.lorder_name')
    sex = 'boy' if soup.findAll('span',class_='member_boy_ico') else 'girl' #简单的判断男女性别
    houseImage = soup.select('img#curBigImage')
    menberImage = soup.select('div.member_pic > a > img')
    info ={
        'title':title[0].get_text().strip(),
        'address':address[0].get_text().strip() if address  else '杭州',  #为防止地址不存在,特地加以判断
        'price':price[0].get_text(),
        'name':name[0].get_text().strip(),
        'sex':sex,
        'houseImage':houseImage[0].get('src'),
        'menberImage':menberImage[0].get('src')
    }
    global count  #全局变量在局部变量使用时需要指定global
    #print(count)
    count = count + 1
    #print(info)
    hz.insert_one(info)    #插入数据库
    print('\r当前进度为:{:.2f}%'.format(((count/299)*100)),end="")    #在命令行运行可以显示动态窗口,end=""是关键

def get_urls(url,urls):
    r = requests.get(url,timeout = 30)
    soup = BeautifulSoup(r.text,'lxml')
    links = soup.select('a.resule_img_a')
    for link in links:
        urls.append(link.get('href'))


def main():
    for url in start_urls:  # 获取所有url
        get_urls(url,urls)
    for url in urls:   #对每个url进行信息获取
        get_info(url)

if __name__ == '__main__':
    main()
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 194,457评论 5 459
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 81,837评论 2 371
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 141,696评论 0 319
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 52,183评论 1 263
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 61,057评论 4 355
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 46,105评论 1 272
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 36,520评论 3 381
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 35,211评论 0 253
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 39,482评论 1 290
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 34,574评论 2 309
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 36,353评论 1 326
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 32,213评论 3 312
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 37,576评论 3 298
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 28,897评论 0 17
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 30,174评论 1 250
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 41,489评论 2 341
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 40,683评论 2 335

推荐阅读更多精彩内容

  • # Python 资源大全中文版 我想很多程序员应该记得 GitHub 上有一个 Awesome - XXX 系列...
    aimaile阅读 26,421评论 6 428
  • 爬虫文章 in 简书程序员专题: like:128-Python 爬取落网音乐 like:127-【图文详解】py...
    喜欢吃栗子阅读 21,722评论 4 412
  • 对于很多事情我习惯放手,不是我不争取,而是觉得人生短暂,不想活得那么累。 有时候生命中必会遇到好的坏的,其实自有它...
    阳光中的木子阅读 636评论 10 16
  • 又一个冬天,又一个周末的第一天,阳光光顾,风也随行。今天是2017.11.25,这个日子是唯一,不会被又。我要懒懒...
    十里落阅读 430评论 0 0
  • 序言:我是一个热爱记录的人,从小写日记养成的习惯,记录让我放松、记录让我成长、记录让我思考、记录给我安全感,纸质的...
    袁小泉阅读 411评论 0 0