python网络爬虫爬取房价信息

爬取房天下（http://newhouse.cd.fang.com/house/s/）成都地区的新房信息。

打开http://newhouse.cd.fang.com/house/s/，F12进入控制台

点击控制台的左上角的按钮，这是你可以将鼠标移至房天下页面的任何一个地方然后单击，你就可以看到该地方在html代码中的位置，比如：我点击红色区域的文本，那么在控制台中就会出现该文本在html代码中的位置。分析html代码，了解页面结构，然后获取你需要爬取内容在html代码中的路径，再稍微做些整理，就可以得到你想要爬取的内容。我主要用的是beautifulsoup。

代码讲解：

1.此段代码主要是获取成都地区新房信息在此网站上分成了多少页，之后通过循环的方式将每一页的信息都爬取出来。

URL = 'http://newhouse.cd.fang.com/house/s/b91/'
HTML = requests.get(URL)
SOUP = BeautifulSoup(HTML.content, 'html.parser', from_encoding='gb18030')
last_page = SOUP.select('.last')
page_number = int(last_page[0]['href'].split('/')[3].split('9')[1])
print(page_number)

2.此段代码是解析了我要获取的四项信息，包括：小区名字，所在详细地址，当前所处状态，价格。将四项信息分别存入四个数组。

names_list = []
adresses_list = []
all_type_list = []
all_money_list = []
url_demo = 'http://newhouse.cd.fang.com/house/s/b9{}/'
for i in range(1,(page_number+1)):
    url = url_demo.format(i)
    html = requests.get(url)
    soup = BeautifulSoup(html.content,'html.parser',from_encoding='gb18030')
    names = soup.select('.nlcd_name a')
    adresses = soup.select('.address a')
    for name in names:
        names_list.append(name.text.strip())
    for adress in adresses:
        adress_detail = re.findall(r'".+"',str(re.findall(r'title=".+"',str(adress))))[0]
        adresses_list.append(adress_detail.split('"')[1])
    all_type = soup.findAll(name="span", attrs={"class":re.compile(r"forSale|inSale|outSale|zusale|zushou")})
    for type in all_type:
        all_type_list.append(type.text)

    if soup.select('.kanzx'):
        all_money_list.append('无')
        all_money = soup.findAll(name="div", attrs={"class":re.compile(r"nhouse_price|kanesf")})
        for money in all_money:
            all_money_list.append(money.text.strip())
    else:
        all_money = soup.findAll(name="div", attrs={"class":re.compile(r"nhouse_price|kanesf")})
        for money in all_money:
            all_money_list.append(money.text.strip())

3.遍历四个数组，见信息输出，最后保存在一个excel中。

all_message = []
for m in range(0,len(names_list)):
    message = [names_list[m],adresses_list[m],all_type_list[m],all_money_list[m]]
    print(message)
    all_message.append(message)
df = pandas.DataFrame(all_message)
df.to_excel('house_price.xlsx')
print(df)

一共有726条信息。