Python实战计划学习笔记：week2_1 在MongoDB中筛选房源

学习爬虫第二周，对Mongodb进行学习。

代码如下：

#!/usr/bin/env python
# coding: utf-8
__author__ = 'lucky'

from bs4 import BeautifulSoup
import requests
import pymongo

client = pymongo.MongoClient('localhost',27017)#激活本地数据库 port

info_house = client['info_house'] #类似于excel的文件名
sheet_tab = info_house['sheet_tab'] #类似于excel的文件名中的sheet表


#每个链接打开后的信息
def get_info(url):
    wb_data = requests.get(url)
    Soup = BeautifulSoup(wb_data.text,'lxml')
    titles =Soup.select('div.con_l > div.pho_info > h4 > em')
    rents = Soup.select('#pricePart > div.day_l > span')
    for title,rent in zip(titles,rents):
        data={
        "title":title.get_text(),
        "rent":int(rent.get_text()),  #取整数，方便数据库处理
        }
        sheet_tab.insert_one(data)  #写每行数据

def get_links(one_url):
    wb_data = requests.get(one_url)
    Soup = BeautifulSoup(wb_data.text,'lxml')
    links = Soup.select('#page_list > ul > li > a')
    for link in links:
        href = link.get("href")
        get_info(href)

url_links = ["http://bj.xiaozhu.com/search-duanzufang-p{}-0/".format(number) for number in range(1, 4)]

for url in url_links:
    get_links(url)

#find 查询数据库数据 和python字典用法很像
# $lt/$lte/$gt/$gte/$ne 依次等于/>=/!= (l:less,g:greater,e:equal,n:not)
for item in sheet_tab.find({'rent':{'$gte':500}}):#
    print(item)

运行效果：

大于等于500的房屋信息.png

数据库情况：

database.png

总结：

• 复习了网页爬虫的相关知识。
• 对数据库的操作和指令进行了学习，还需要继续练习。