python简易爬虫v1.0

python简易爬虫v1.0

作者：William Ma (the_CoderWM)

进阶python的首秀，大部分童鞋肯定是做个简单的爬虫吧，

众所周知，爬虫需要各种各样的第三方库，例如scrapy, bs4, requests, urllib3等等。此处，我们先从最简单的爬虫开始。

首先，我们需要安装两个第三方库：requests和bs4。
在cmd中输入以下代码：

pip install requests

pip install bs4

等安装成功后，就可以进入pycharm来写爬虫了。

---

爬虫

首先导入刚刚安装好的包，代码如下：

import requests
from bs4 import BeautifulSoup

接着，我们要定义一个URL常量，用来存储要爬虫的链接，这个链接我们就设置成厦门链家的租房网站；

URL = "https://xm.lianjia.com/zufang/"

Bs4和requests这时就要大展身手啦，我们要先定义一个函数，用来获取网站的源代码；

def get_page(url):
    """
	    获取网页
    """
    response = requests.get(url)
    soup = BeautifulSoup(response.text, "lxml")
    return soup

这里的response是获取网页的一个信息返回值，这个返回值的text就是网页的源代码，这里使用BeautifulSoup对代码以lxml的格式进行解析，并返回解析后的结果。

要想把租房的某个价格一一获取下来，还得我们的f12(检查）来帮忙。
打开链接后按下Fn+F12, 右侧就会弹出这样一个侧边栏：

单击左上角的小箭头，再移到页面上任意一个租房的价格，点击一下，细心的童鞋就会注意到，右侧代码的位置已经发生了变化。仔细观察，可以发现网页上的“1300元\月”的文字。那么，怎么把它获取下来呢？

注意看，1300上方的标签是“span”, 类的名称是“content__list–item-price”。将类名复制，重新回到我们的编辑器中，写以下几行代码：

soup = get_page(URL)
price_lst = soup.find_all("span", class_="content__list--item-price")
for i in price_lst:
    print(i.text)

一行一行来解释一下：

第一行指我们要从刚刚定义的函数中得到网页源代码，

第二行指从网页源代码中搜索类名为“content__list–item-price”且标签为span的类，注意，class后一定要跟一个下划线，因为class是python定义类的关键字，不能用来作为参数名。此时price_lst是一个列表，里面存储着所有符合条件的类源代码。

第三行使用for循环对这个lst进行遍历，同时打印出列表中每个元素的文本。

运行结果是这样的：
1300 元/月
1400-1760 元/月
1700 元/月
1500 元/月
1700 元/月
2699 元/月
1200 元/月
1250 元/月
1100 元/月
1800 元/月
1750 元/月
1800 元/月
1700 元/月
1100 元/月
1200 元/月
1000 元/月
1500 元/月
1100 元/月
1100 元/月
400 元/月
1750 元/月
1249 元/月
1550 元/月
1500 元/月
600 元/月
2650 元/月
800 元/月
2000 元/月
1800 元/月
1900 元/月
1600 元/月
1600 元/月
1900 元/月

进程已结束,退出代码0

---

这样，我们的第一个简易爬虫就大功告成了，但是，如何将这些内容进行一个比较呢？下期内容将为您揭晓。

---

原创不易，求打赏 ：）

关于我：11岁小学生，马上六年级了，喜欢个人研究一些python和c++的编程内容。