一文入门Python + Selenium动态爬虫——从了解房价开始

欢迎关注天善智能，我们是专注于商业智能BI，人工智能AI，大数据分析与挖掘领域的垂直社区，学习，问答、求职一站式搞定！

对商业智能BI、大数据分析挖掘、机器学习，python，R等数据领域感兴趣的同学加微信：tstoutiao，邀请你进入数据爱好者交流群，数据爱好者们都在这儿。

作者：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.googleapis.com/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！

此次抓取的数据如下：

那这些数据的提取正题就来了！

打开开发者工具，google浏览器直接挫F12

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

提醒的一点就是

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。

然后就是点击下一页的动作，网页有下一页的

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。

你可以写一个data_save的方法，我这里简单粗暴点从上到下直接写完了。

好了运行程序

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

源码后续放出来，也会写一些更多的小知识更大家分享

千山万水总是情，点个「好看」行不行。

Python的爱好者社区历史文章大合集：

2018年Python爱好者社区历史文章合集（作者篇）

福利：文末扫码关注公众号，“Python爱好者社区”，开始学习Python课程：

关注后在公众号内回复“ 课程 ”即可获取：

小编的转行入职数据科学（数据分析挖掘/机器学习方向）【最新免费】

小编的Python的入门免费视频课程！

小编的Python的快速上手matplotlib可视化库！

崔老师爬虫实战案例免费学习视频。

陈老师数据分析报告扩展制作免费学习视频。

玩转大数据分析！Spark2.X + Python精华实战课程免费学习视频。