高德API+Python解决租房问题(.NET版)

源码地址：https://github.com/liguobao/58HouseSearch

在线地址：58公寓高德搜房(全国版)：http://codelover.link:8080/

周末闲着无事刷知乎发现一个爬虫教程（高德API+Python解决租房问题
），正中最近想要换地方住的痛点。然后大早上懒觉都没睡就屁颠屁颠开始研究这个教程了。这样教程在实验楼网站里面有手把手步骤，有兴趣自取（实验楼：高德API+Python解决租房问题）。

整体项目主要分成两步：

第一步:python爬取数据，生成数据文件;

第二部：导入数据文件，在地图上显示房源，设定上班地点后自动计算出行路线和路程时间。

研究了一下这个教程之后发现这货做得实在有点粗糙，只能当教程用，完全没有通用实际价值。

而且这里面还有个更大的问题：教程是基于北京的数据来做的，而我在上海…

虽然说改改python数据源，改改导航页面JS完事。不过是在难用…

于是，开始自己动手了。先看原有的python代码。

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41

#-*- coding:utf-8 -*- from bs4 import BeautifulSoup from urlparse import urljoin import requests import csv url = "http://bj.58.com/pinpaigongyu/pn/{page}/?minprice=2000_4000" #已完成的页数序号，初时为0 page = 0 csv_file = open("rent.csv","wb") csv_writer = csv.writer(csv_file, delimiter=',') while True: page += 1 print "fetch: ", url.format(page=page) response = requests.get(url.format(page=page)) html = BeautifulSoup(response.text) house_list = html.select(".list > li") # 循环在读不到新的房源时结束 if not house_list: break for house in house_list: house_title = house.select("h2")[0].string.encode("utf8") house_url = urljoin(url, house.select("a")[0]["href"]) house_info_list = house_title.split() # 如果第二列是公寓名则取第一列作为地址 if "公寓" in house_info_list[1] or "青年社区" in house_info_list[1]: house_location = house_info_list[0] else: house_location = house_info_list[1] house_money = house.select(".money")[0].select("b")[0].string.encode("utf8") csv_writer.writerow([house_title, house_location, house_money, house_url]) csv_file.close()

整个代码基本思路就是，爬取http://bj.58.com/pinpaigongyu/pn/{page}/?minprice=2000_4000页面数据，然后扔到创建的csv文件里面作为下一步的数据源。
通过研究http://bj.58.com/pinpaigongyu/pn/{page}/?minprice=2000_4000这个页面的数据，我们可以很容易发现，在页面中，每条数据都是一个li标签。

如下图：

li结构如下：

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25

<li logr="" class=""> <a href="/pinpaigongyu/26851774057013x.shtml" target="_blank" οnclick="clickLog('from=fcpc_list_gy_sh_tupian')" tongji_label="listclick"> <div class="img"> <img lazy_src="" alt="" src=""> div> <div class="des"> <h2>【合租】菊园新区 柳湖景庭 3室次卧h2> <p class="room"> 3室1厅1卫    13m²   3/6层  p> <p class="dist">p> <p class="spec"> <span class="spec1">公共阳台span> <span class="spec2">公共卫生间span> <span class="spec3">离地铁近span> <span class="spec4">厨房span> p> div> <div class="money"> <span><b>1100b>元/月 span> <p>租房月付p> div> a> li>

照着python的思路，是把所有的li标签的数据提取出来的。

我自己研究的时候又看了下，其实数据都在一个属性为tongji_label=”listclick”的a标签里面。

一般来说，字符匹配用正则表达式完事，奈何正则水平实在不佳。我还是选择直接上HtmlAgilityPack算了。
关于HtmlAgilityPack的介绍还是看官网算了。HtmlAgilityPack

HtmlAgilityPack是.NET一个比较强大的HTML处理类库了，基本可以让你像JS来操作HTML标签。
安装这货很简单，直接在Nuget PM包管理工具里面输入下面命令就完事了。

1	Install-Package HtmlAgilityPack

有需要使用教程可以看这个：Html Agility Pack基础类介绍及运用

下面直接贴control源码算了。

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90

/// /// 价格区间起始值 /// 价格区间终止值 /// 城市拼音首字母 /// public ActionResult Get58CityRoomData(int costFrom, int costTo, string cnName) { if (costTo<=0 || costTo < costFrom) { return Json(new { IsSuccess = false, Error = "输入数据有误，请重新输入。" }); } if (string.IsNullOrEmpty(cnName)) { return Json(new { IsSuccess = false, Error = "城市定位失败，建议清除浏览器缓存后重新进入。" }); } try { var lstHouse = new List(); string tempURL = "http://" + cnName + ".58.com/pinpaigongyu//pn/{0}/?minprice=" + costFrom + "_" + costTo; Uri uri = new Uri(tempURL); var htmlResult = HTTPHelper.GetHTMLByURL(string.Format(tempURL, 1)); HtmlDocument htmlDoc = new HtmlDocument(); htmlDoc.LoadHtml(htmlResult); var countNodes = htmlDoc.DocumentNode. SelectSingleNode(".//span[contains(@class,'list')]"); int pageCount = 10; if (countNodes != null && countNodes.HasChildNodes) { pageCount = Convert.ToInt32(countNodes.ChildNodes[0].InnerText) / 20; if(pageCount==0) { return Json(new { IsSuccess = false, Error =string.Format("没有找到价格区间为{0} - {1}的房子。", costFrom,costTo)}); } } for (int pageIndex = 1; pageIndex <= pageCount; pageIndex++) { htmlResult = HTTPHelper.GetHTMLByURL(string.Format(tempURL, pageIndex)); htmlDoc.LoadHtml(htmlResult); var roomList = htmlDoc.DocumentNode .SelectNodes(".//a[contains(@tongji_label,'listclick')]"); foreach (var room in roomList) { var houseTitle = room.SelectSingleNode(".//h2").InnerHtml; var houseURL = uri.Host + room.Attributes["href"].Value; var house_info_list = houseTitle.Split(' '); var house_location = string.Empty; if (house_info_list[1].Contains("公寓") || house_info_list[1].Contains("青年社区")) { house_location = house_info_list[0]; } else { house_location = house_info_list[1]; } var momey = room.SelectSingleNode(".//b").InnerHtml; lstHouse.Add(new HouseInfo() { HouseTitle = houseTitle, HouseLocation = house_location, HouseURL = houseURL, Money = momey, }); } } return Json(new { IsSuccess = true, HouseInfos = lstHouse }); } catch (Exception ex) { return Json(new { IsSuccess = false, Error = "获取数据异常。" + ex.ToString() }); } }

下面解释一下核心代码。

片段一：获取总数。

在观察58同城页面的时候，无意发现其实第一个加载的页面中有一个数据总条数，隐藏在页面里面的。

1	<span class="listsum"><em>1813em>条结果span>

 

这样一来，总页面就很清晰了。页面=总数/每页20条。然后我们根据已知的数据规则去循环请求页面，也就能拿到所有的搜索数据了。

核心代码，获取总条数。

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

var countNodes = htmlDoc.DocumentNode. SelectSingleNode(".//span[contains(@class,'list')]"); int pageCount = 10; if (countNodes != null && countNodes.HasChildNodes) { pageCount = Convert.ToInt32(countNodes.ChildNodes[0].InnerText) / 20; if(pageCount==0) { return Json(new { IsSuccess = false, Error =string.Format("没有找到价格区间为{0} - {1}的房子。", costFrom,costTo)}); } }

 

在HTMLDoc里面找到一个span的class包含list的节点，获取它子节点（即em）的内容，强制转换成数字，也就是我们要找的总条数了。总条数除以20就得到了页数，下面就是开始循环请求页面了。

在最上面我们分析过公寓数据分布，数据是li里面套a标签，我们需要的地理位置、房间名称、价格都在a标签里面。

这样一来，我们这要获得到页面所有带有属性为tongji_label=”listclick”的a标签数据，也就得到了我们所有需要的数据。

看一下a标签的数据组成：

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

<a href="/pinpaigongyu/26851774057013x.shtml" target="_blank" οnclick="clickLog('from=fcpc_list_gy_sh_tupian')" tongji_label="listclick"> <div class="img"> <img lazy_src="" alt="" src=""> div> <div class="des"> <h2>【合租】菊园新区 柳湖景庭 3室次卧h2> <p class="room"> 3室1厅1卫    13m²   3/6层  p> <p class="dist">p> <p class="spec"> <span class="spec1">公共阳台span> <span class="spec2">公共卫生间span> <span class="spec3">离地铁近span> <span class="spec4">厨房span> p> div> <div class="money"> <span><b>1100b>元/月 span> <p>租房月付p> div> a>

 

我们要的房间信息在一个h2的标签里面，公寓租金价钱在class=”money”的div标签里面。

于是有了一下代码：

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37

for (int pageIndex = 1; pageIndex <= pageCount; pageIndex++) { htmlResult = HTTPHelper.GetHTMLByURL(string.Format(tempURL, pageIndex)); htmlDoc.LoadHtml(htmlResult); //找到所有的带有属性为tongji_label="listclick"的a标签数据 var roomList = htmlDoc.DocumentNode.SelectNodes(".//a[contains(@tongji_label,'listclick')]"); foreach (var room in roomList) { //获取其中为h2的房间数据，然后用空格分割成数组 var houseTitle = room.SelectSingleNode(".//h2").InnerHtml; var houseURL = uri.Host + room.Attributes["href"].Value; var house_info_list = houseTitle.Split(' '); var house_location = string.Empty; //分割出来的数组，第二个包含公寓或青年社区，则取第一个数据为所在地区，否则取第二个数据 //【合租】菊园新区 柳湖景庭 3室次卧 // 所在地区为：菊园新区 if (house_info_list[1].Contains("公寓") || house_info_list[1].Contains("青年社区")) { house_location = house_info_list[0]; } else { house_location = house_info_list[1]; } //获取标签为b的数据，价格就在里面了 var momey = room.SelectSingleNode(".//b").InnerHtml; lstHouse.Add(new HouseInfo() { HouseTitle = houseTitle, HouseLocation = house_location, HouseURL = houseURL, Money = momey, }); } }

后端来说，基本就这些内容了。

还有一些前端高德地图接口调用下次再讲吧，要陪女票玩游戏去了…

^-^

转载于:https://www.cnblogs.com/liguobao/p/5767703.html