Python抓取上海各地区房价平均值

昨天用Python写了一个抓取上海地区二手房价格的程序，Python2.7，数据来自赶集网。由于在赶集网查看房价不需要登录，所以程序也十分简单。程序代码如下：

# -*- coding:utf-8 -*-

import requests
import re

#本程序用于抓取赶集网上海各地区二手房房价均值，默认抓取页数为50页。
#使用python语言，requests库抓取网页，re库用于正则抓取。


print "本程序用于计算赶集上海二手区房价，单位万/平米"
print ('''每个区对应代码如下： 0：显示上海所有区单独的平均房价； 1：浦东新区； 2：闵行区； 3：徐汇区； 4：长宁区； 5：普陀区； 6：静安区； 7：卢湾区； 8：黄浦区； 9：闸北区； a：虹口区； b：杨浦区； c：宝山区； d：嘉定区； e：青浦区； f：松江区； g：金山区； h：奉贤区； i：南汇区； j：崇明区； k：上海周边； ''')

#各地区页面代码
num_area = {
    '1':'http://wap.ganji.com/sh/fang5/pudongxinqu/o',
    '2':'http://wap.ganji.com/sh/fang5/minhang/o',
    '3':'http://wap.ganji.com/sh/fang5/xuhui/o',
    '4':'http://wap.ganji.com/sh/fang5/changning/o',
    '5':'http://wap.ganji.com/sh/fang5/putuo/o',
    '6':'http://wap.ganji.com/sh/fang5/jingan/o',
    '7':'http://wap.ganji.com/sh/fang5/luwan/o',
    '8':'http://wap.ganji.com/sh/fang5/huangpu/o',
    '9':'http://wap.ganji.com/sh/fang5/zhabei/o',
    'a':'http://wap.ganji.com/sh/fang5/hongkou/o',
    'b':'http://wap.ganji.com/sh/fang5/yangpu/o',
    'c':'http://wap.ganji.com/sh/fang5/baoshan/o',
    'd':'http://wap.ganji.com/sh/fang5/jiading/o',
    'e':'http://wap.ganji.com/sh/fang5/qingpu/o',
    'f':'http://wap.ganji.com/sh/fang5/songjiang/o',
    'g':'http://wap.ganji.com/sh/fang5/jinshan/o',
    'h':'http://wap.ganji.com/sh/fang5/fengxian/o',
    'i':'http://wap.ganji.com/sh/fang5/nanhui/o',
    'j':'http://wap.ganji.com/sh/fang5/chongming/o',
    'k':'http://wap.ganji.com/sh/fang5/shanghaizhoubian/o'
}

#各地区显示代码
area = {
    '1':'浦东新区',
    '2':'闵行区',
    '3':'徐汇区',
    '4':'长宁区',
    '5':'普陀区',
    '6':'静安区',
    '7':'卢湾区',
    '8':'黄浦区',
    '9':'闸北区',
    'a':'虹口区',
    'b':'杨浦区',
    'c':'宝山区',
    'd':'嘉定区',
    'e':'青浦区',
    'f':'松江区',
    'g':'金山区',
    'h':'奉贤区',
    'i':'南汇区',
    'j':'崇明区',
    'k':'上海周边'
}


#获得房价均值函数
def get_price(numb):
    sp_list = []
    for n in range(1,50): #抓取前50页
        url = num_area[numb]+str(n)
        urlpage = requests.get(url)
        urlpage.encoding = 'utf-8'
        urltx = urlpage.text

        size_price = re.findall(u'(\d+)\u33a1.*?(\d+)\u4e07\u5143',urltx,re.S)#从页面获取房价和面积
        for sp in size_price:
            sp_list.append(sp)

    priclist = []
    sum_pric = 0
    i = 0
    for sizepri in sp_list:#计算平均房价
        pric = round(float(sizepri[1])/float(sizepri[0]),2)      
        #print pric
        priclist.append(pric)
        sum_pric = sum_pric + pric
        i = i + 1

    print (area[numb]+"共获取二手房数量："+str(i)+"，平均房价为："+str(round(float(sum_pric)/float(i),2))+"万元每平方")

#获取输入区域
def get_area():
    print('')
    areanum = str(raw_input("请输入需要查询的区代码,可一次输入多个代码："))
    if str(0) in areanum:#输入有0则计算全部区域
        for numbe in ('1','2','3','4','5','6','7','8','9','a','b','c','d','e','f','g','h','i','j','k'):
            get_price(numbe)
    else:#输入无0则计算输入区域
        for numb in ('0','1','2','3','4','5','6','7','8','9','a','b','c','d','e','f','g','h','i','j','k'):
            if str(numb) in areanum:
                print numb
                get_price(numb)

get_area()

代码托管在：https://github.com/chroming/sh_house_price/
不过由于赶集网二手房的内容基本都是广告，而且应该是官方合作的广告，因为所有页的数据都一直在变动。不过这不妨碍我们用它练手。当前抓取到的价格如下：
浦东新区共获取二手房数量：655，平均房价为：3.35万元每平方
闵行区共获取二手房数量：640，平均房价为：2.52万元每平方
徐汇区共获取二手房数量：640，平均房价为：3.95万元每平方
长宁区共获取二手房数量：643，平均房价为：3.57万元每平方
普陀区共获取二手房数量：647，平均房价为：2.91万元每平方
静安区共获取二手房数量：559，平均房价为：5.19万元每平方
卢湾区共获取二手房数量：576，平均房价为：4.86万元每平方
黄浦区共获取二手房数量：638，平均房价为：4.42万元每平方
闸北区共获取二手房数量：640，平均房价为：3.23万元每平方
虹口区共获取二手房数量：641，平均房价为：3.15万元每平方
杨浦区共获取二手房数量：647，平均房价为：3.1万元每平方
宝山区共获取二手房数量：650，平均房价为：2.16万元每平方
嘉定区共获取二手房数量：644，平均房价为：1.47万元每平方
青浦区共获取二手房数量：641，平均房价为：1.51万元每平方
松江区共获取二手房数量：640，平均房价为：1.68万元每平方
金山区共获取二手房数量：638，平均房价为：0.81万元每平方
奉贤区共获取二手房数量：638，平均房价为：2.98万元每平方
南汇区共获取二手房数量：640，平均房价为：1.9万元每平方
崇明区共获取二手房数量：637，平均房价为：0.91万元每平方
上海周边共获取二手房数量：647，平均房价为：0.61万元每平方