爬虫代码--我爱我家(小区成交)

先放代码,具体过程明天再说。

Scrapy结构

定义item部分

import scrapy

class WawjItem(scrapy.Item):
    # define the fields for your item here like:
    # name = scrapy.Field()
    blockurl = scrapy.Field()
    test = scrapy.Field()
    blockname = scrapy.Field()
    houseinfo = scrapy.Field()
    housearea = scrapy.Field()
    data = scrapy.Field()
    totalprice = scrapy.Field()
    unitprice = scrapy.Field()

Spider部分

# -*- coding: utf-8 -*-
import scrapy
from wawj.items import WawjItem
from scrapy.http import Request

class WawjspiderSpider(scrapy.Spider):
    name = 'w2spider'
    start_urls = ['http://hz.5i5j.com/community/gongshu/p1',
                     'http://hz.5i5j.com/community/xiacheng/p1',
                     'http://hz.5i5j.com/community/shangcheng/p1',
                     'http://hz.5i5j.com/community/binjiang/p1',
                     'http://hz.5i5j.com/community/yuhang/p1',
                     'http://hz.5i5j.com/community/xiaoshan/p1',
                     'http://hz.5i5j.com/community/xihu/p1',
                     'http://hz.5i5j.com/community/jianggan/p1',
                     'http://hz.5i5j.com/community/fuyang/p1',
                     'http://hz.5i5j.com/community/p2/',
                     'http://hz.5i5j.com/community/p3/',
                     'http://hz.5i5j.com/community/p4/',
                     'http://hz.5i5j.com/community/p5/',
                     'http://hz.5i5j.com/community/p6/',
                     'http://hz.5i5j.com/community/p7/']
#    start_urls = ['http://hz.5i5j.com/community/p7/']
    
    base_url = 'http://hz.5i5j.com'
    base_exchang_url = '/exchange/getdeals?communityId='

    def parse(self, response):
        maxnum = int(response.xpath("//div[@class='list-comm-l']/h3[@class='list-comm-sort']/font[@class='font-houseNum']/text()").extract()[0])
        if maxnum % 12 == 0:
            maxpage = maxnum/12
        else:
            maxpage = maxnum/12 + 1
        for page in range(1,maxpage+1):
            url = response.url + 'n' + str(page)
            yield Request(url,callback=self.get_blockid)
            
    def get_blockid(self,response):    
        block_list = response.xpath("//ul[@class='list-body']/li/div[@class='list-info-comm']/h2/a")
        block_num = []
        for block in block_list:
            item = WawjItem()
            block_name = block.xpath("./text()").extract()[0]
            item['blockname'] = block_name
            block_url = block.xpath("./@href").extract()[0]
            id = block_url.split('/')[2]
            block_url = self.base_url + block_url
            item['blockurl'] = block_url
            block_num.append(block_url)
            yield Request(block_url,callback=self.get_maxpage_block,dont_filter=True,meta={'item':item,'id':id,'block_num':block_num})

    def get_maxpage_block(self,response):       
        item = response.meta['item']
        id = response.meta['id']
        maxpage_block_lst = response.xpath("//ul[@class='deal-page']/a[last()-1]/li/text()").extract()
        if len(maxpage_block_lst) != 0:
            maxpage_block = int(maxpage_block_lst[0])
        else:
            maxpage_block = 1
        for page in range(1,maxpage_block+1):
            url = self.base_url + self.base_exchang_url + id + '&page=' + str(page)
            yield Request(url,dont_filter=True,headers={'User-Agent':'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/62.0.3202.62 Safari/537.36','X-Requested-With':'XMLHttpRequest'},callback=self.get_info,meta={'item':item})
    

    def get_info(self,response):
        print 'Sell url: ',response.url
        item = response.meta['item']
        node_list = response.xpath("//ul[@class='watch-record-text2']")      
        if len(node_list) == 0:                  
            item['houseinfo'] = 'None'
            item['housearea'] = 'None'
            item['data'] = 'None'
            item['totalprice'] = 'None'
            item['unitprice'] = 'None'
            yield item
        else:
            for node in node_list:                    
                item['houseinfo'] = node.xpath("./li[1]/p[2]/b/text()").extract()[0]
                item['housearea'] = node.xpath("./li[2]/text()").extract()[0]
                item['data'] = node.xpath("./li[3]/text()").extract()[0]
                item['totalprice'] = node.xpath("./li[4]/text()").extract()[0]
                item['unitprice'] = node.xpath("./li[5]/text()").extract()[0]
                yield item 

定义peplines部分

import json
import pandas


class LianjiaPipeline(object):
    def __init__(self):
        self.f = open('c:\\test\\ceshi.json','w')
    
    
    def process_item(self, item, spider):
        content = json.dumps(dict(item),ensure_ascii=False)+'\n'
        self.f.write(content.encode('utf-8'))
        return item
    
    def close_spider(self,spider):
        self.f.close()
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 194,088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 81,715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 141,361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 52,099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 60,987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 46,063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 36,486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 35,175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 39,440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 34,518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 36,305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 32,190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 37,550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 28,880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 30,152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 41,451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 40,637评论 2 335

推荐阅读更多精彩内容