Python爬虫新手入门教学（三）：爬取链家二手房数据

港控/mmm° 2023-01-11 03:44 177阅读 0赞

# **前言** #

本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,如有问题请及时联系我们以作处理。

**Python爬虫、数据分析、网站开发等案例教程视频免费在线观看**

https://space.bilibili.com/523606542

# ![a2b6984089fbb14c9cf0ff607a09682a.png][] #

# **前文内容** #

[Python爬虫新手入门教学（一）：爬取豆瓣电影排行信息][Python]

[Python爬虫新手入门教学（二）：爬取小说][Python 1]

# **基本开发环境** #

*  Python 3.6
 *  Pycharm

# **相关模块的使用** #

*  requests
 *  parsel
 *  csv

安装Python并添加到环境变量，pip安装需要的相关模块即可。

# **一、明确需求** #

![Python爬虫新手入门教学（三）：爬取链家二手房数据][Python 2]

爬取图上所框的内容

# **二、请求网页** #

打开开发者工具（ **F12或者鼠标右键点击检查** ）选择 **notework** 查看数据返回的内容。

![Python爬虫新手入门教学（三）：爬取链家二手房数据][Python 3]

通过开发者工具可以看到，网站是静态网页数据，请求url地址是可以直接获取数据内容的。

url = 'https://cs.lianjia.com/ershoufang/'
    headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/81.0.4044.138 Safari/537.36'
    }
    response = requests.get(url=url, headers=headers)
    print(response.text)

如果你不知道，返回的数据中是否有你想要的内容，你有复制网页的内容，在pycharm的输出结果中进行搜索查看。

![Python爬虫新手入门教学（三）：爬取链家二手房数据][Python 4]

# **三、解析数据** #

既然网站是静态网页数据，那么就可以直接在开发者工具中 **Elements** 查看数据在哪

![Python爬虫新手入门教学（三）：爬取链家二手房数据][Python 5]

如上图所示，相关的数据内容都包含在 **li** 标签里面。通过 **parsel** 解析库，进行解析提取数据就可以了。

selector = parsel.Selector(response.text)
    lis = selector.css('.sellListContent li')
    for li in lis:
        # 标题
        title = li.css('.title a::text').get()
        # 地址
        positionInfo = li.css('.positionInfo a::text').getall()
        # 小区
        community = positionInfo[0]
        # 地名
        address = positionInfo[1]
        # 房子基本信息
        houseInfo = li.css('.houseInfo::text').get()
        # 房价
        Price = li.css('.totalPrice span::text').get() + '万'
        # 单价
        unitPrice = li.css('.unitPrice span::text').get().replace('单价', '')
        # 发布信息
        followInfo = li.css('.followInfo::text').get()
        dit = {
            '标题': title,
            '小区': community,
            '地名': address,
            '房子基本信息': houseInfo,
            '房价': Price,
            '单价': unitPrice,
            '发布信息': followInfo,
        }
        print(dit)

当我运行的时候发现报错了。

![Python爬虫新手入门教学（三）：爬取链家二手房数据][Python 6]

**IndexError: list index out of range** 超出索引范围了。  
遇事不要慌， 取0超出索引范围，说明数据并没有取到，所以我们要看一下 **<精装好房...>** 这个信息下面那一个是什么情况。

![Python爬虫新手入门教学（三）：爬取链家二手房数据][Python 7]

搜索发现，这个中间插入了一条广告，也是li标签里面的，所以做一个简单的判断就好了，它是一个广告并没有标题，判断是否有标题就可以了，有就爬取相关内容，没有就pass掉。

for li in lis:
        # 标题
        title = li.css('.title a::text').get()
        if title:
            # 地址
            positionInfo = li.css('.positionInfo a::text').getall()
            # 小区
            community = positionInfo[0]
            # 地名
            address = positionInfo[1]
            # 房子基本信息
            houseInfo = li.css('.houseInfo::text').get()
            # 房价
            Price = li.css('.totalPrice span::text').get() + '万'
            # 单价
            unitPrice = li.css('.unitPrice span::text').get().replace('单价', '')
            # 发布信息
            followInfo = li.css('.followInfo::text').get()
            dit = {
                '标题': title,
                '小区': community,
                '地名': address,
                '房子基本信息': houseInfo,
                '房价': Price,
                '单价': unitPrice,
                '发布信息': followInfo,
            }
            print(dit)

![Python爬虫新手入门教学（三）：爬取链家二手房数据][Python 8]

这样就不会报错了。

# **四、保存数据（数据持久化）** #

和爬取豆瓣的电影信息是一样的，使用csv模块，把数据保存到Excel里面

# 创建文件
    f = open('二手房数据.csv', mode='a', encoding='utf-8', newline='')
    csv_writer = csv.DictWriter(f, fieldnames=['标题', '小区', '地名', '房子基本信息',
                                               '房价', '单价', '发布信息'])
    # 写入表头
    csv_writer.writeheader()
    ''''
    ''''
    csv_writer.writerow(dit)

# **五、多页爬取** #

# 第二页url地址
    url_2 = 'https://cs.lianjia.com/ershoufang/pg2/'
    # 第三页url地址
    url_3 = 'https://cs.lianjia.com/ershoufang/pg3/'
    # 第四页url地址
    url_4 = 'https://cs.lianjia.com/ershoufang/pg4/'

![Python爬虫新手入门教学（三）：爬取链家二手房数据][Python 9]

通过以上的内容，只需要for 循环遍历 pg的参数 即可多页爬取

for page in range(1, 101):
        url = f'https://cs.lianjia.com/ershoufang/pg{page}/'

这样就可以进行多页爬取了。

# **实现效果** #

![Python爬虫新手入门教学（三）：爬取链家二手房数据][Python 10]

[a2b6984089fbb14c9cf0ff607a09682a.png]: /images/20221119/5a63bf176de24f38957cfaa27407646f.png
[Python]: https://blog.csdn.net/m0_48405781/article/details/113055904
[Python 1]: https://blog.csdn.net/m0_48405781/article/details/113118597
[Python 2]: /images/20221119/5dc98202e66c484c9155ac478b10fb3d.png
[Python 3]: /images/20221119/3383bd9e0d9746d290b6766a288c4c7b.png
[Python 4]: /images/20221119/e45e97d430e447629bba532447e017c4.png
[Python 5]: /images/20221119/77c9a3b9c4984904a8c84fc39440a85e.png
[Python 6]: https://img-blog.csdnimg.cn/img_convert/743b7de73deb00ce5939b43d85faf2e0.png
[Python 7]: https://img-blog.csdnimg.cn/img_convert/cf4fa806cacef8c65f00e132cee43d14.png
[Python 8]: https://img-blog.csdnimg.cn/img_convert/0e9d9be0db5b0bfd12db107c400df546.png
[Python 9]: https://img-blog.csdnimg.cn/img_convert/347923f11c35fe933b20c6faa0d532fd.png
[Python 10]: https://img-blog.csdnimg.cn/img_convert/008141aee7702a3065fa813665e58998.png