“Python实现的链家网站的爬虫第三部分。”

本系列文将以链家南京站为例，使用Python实现链家二手房源信息的爬虫，将数据爬取，并存入数据库中，以便使用。

本系列第一部分为基础：

如何高效地爬取链家的房源信息（一）

本系列第二部分为爬取小区信息：

如何高效地爬取链家的房源信息（二）

本文是第三部分，爬取在售二手房信息并存入数据库，部分代码依赖于第一部分，同时依赖于第二部分的结果。

在前文中已经获取了小区信息，并存在了数据库中，直接读库遍历小区进行爬取：

def do_xiaoqu_zaishou_spider(db_xq,db_zs):

"""

批量爬取小区在售

"""

count=0

xq_list=db_xq.fetchall()

for xq in xq_list:

xiaoqu_zaishou_spider(db_cj,xq[0])

count+=1

print ('have spidered zaishou %d xiaoqu %s' % (count,xq[0]))

print( 'done')

对某一个小区内的所有在售房源进行爬取，需要分页：

def xiaoqu_zaishou_spider(db_cj, xq_url=u"https://nj.lianjia.com/xiaoqu/1411000000391/"):

"""

爬取小区在售

"""

url = xq_url.replace('xiaoqu/','ershoufang/c');

try:

req = urllib.request.Request(url, headers=hds[random.randint(0, len(hds) - 1)])

source_code = urllib.request.urlopen(req, timeout=10).read()

plain_text = source_code.decode('utf-8')

soup = BeautifulSoup(plain_text,"html.parser")

except (urllib.request.HTTPError, urllib.request.URLError) as e:

print(e)

exception_write('xiaoqu_zaishou_spider', xq_url)

return

except Exception as e:

print(e)

exception_write('xiaoqu_zaishou_spider', xq_url)

return

content = soup.find('div', {'class': 'page-box house-lst-page-box'})

total_pages = 0

if content:

d = "d=" + content.get('page-data')

loc = {}

glb = {}

exec(d, glb, loc);

total_pages = loc['d']['totalPage']

threads = []

for i in range(total_pages):

tmp= u'ershoufang/pg%dc'% (i + 1)

url_page = url.replace('ershoufang/c',tmp);

t = threading.Thread(target=zaishou_spider, args=(db_cj, url_page))

threads.append(t)

for t in threads:

t.start()

for t in threads:

t.join()

爬取单个页面内的在售信息：

def zaishou_spider(db_cj, url_page=u"https://nj.lianjia.com/chengjiao/pg4c1411000000142/"):

"""

爬取页面链接中的在售

"""

try:

req = urllib.request.Request(url_page, headers=hds[random.randint(0, len(hds) - 1)])

source_code = urllib.request.urlopen(req, timeout=10).read()

plain_text = source_code.decode('utf-8');

soup = BeautifulSoup(plain_text,"html.parser")

except (urllib.request.HTTPError, urllib.request.URLError) as e:

print(e)

exception_write('zaishou_spider', url_page)

return

except Exception as e:

print(e)

exception_write('zaishou_spider', url_page)

return

cjs = soup.find('ul', {'class': 'sellListContent'});

cj_list = cjs.findAll('li', {})

for cj in cj_list:

info_dict = {}

title = cj.find('div', {'class': 'title'});

houseInfo = cj.find('div', {'class': 'houseInfo'});

positionInfo = cj.find('div', {'class': 'positionInfo'});

followInfo = cj.find('div', {'class': 'followInfo'});

tag = cj.find('div', {'class': 'tag'});

totalPrice = cj.find('div', {'class': 'totalPrice'});

unitPrice = cj.find('div', {'class': 'unitPrice'});

href = title.find('a')

if not href:

continue

info_dict.update({u'链接': href.attrs['href']})

content = title.text

info_dict.update({u'房子描述': content})

content = houseInfo.text.split('|')

#有可能有别墅项，有可能无部分项

if content:

info_dict.update({u'小区名称': content[0].strip()})

if content[1].find(u'墅') != -1:

i=1;

else:

i=0;

if len(content) >= 2+i:

info_dict.update({u'户型': content[1+i].strip()})

if len(content) >= 3+i:

info_dict.update({u'面积': content[2+i].strip()})

if len(content) >= 4+i:

info_dict.update({u'朝向': content[3+i].strip()})

if len(content) >= 5+i:

info_dict.update({u'装修': content[4+i].strip()})

if len(content) >= 6+i:

info_dict.update({u'电梯': content[5+i].strip()})

content = positionInfo.text.split('-')

if len(content) >= 2:

info_dict.update({u'楼层年代楼型': content[0].strip()})

info_dict.update({u'区域': content[1].strip()})

else:

info_dict.update({u'区域': content[0].strip()})

content = followInfo.text.split('/')

for cont in content:

if cont.find(u'关注') != -1:

info_dict.update({u'关注': cont.strip()})

elif cont.find(u'带看') != -1:

info_dict.update({u'带看': cont.strip()})

elif cont.find(u'发布') != -1:

info_dict.update({u'发布时间': cont.strip()})

if tag != None:

tagall=tag.findAll('span')

for span in tagall:

if span.attrs['class'][0] ==u'taxfree':

info_dict.update({u'税费': span.text})  # 满几年

elif span.attrs['class'][0] ==u'subway':

info_dict.update({u'地铁': span.text})

elif span.attrs['class'][0] ==u'haskey':

info_dict.update({u'限制': span.text})

info_dict.update({u'挂牌价': totalPrice.text})

info_dict.update({u'挂牌单价': unitPrice.text})

command = gen_zaishou_insert_command(info_dict)

db_zs.execute(command, 1)

爬取的在售房源信息将被存储到数据库表中。

在接下来将说明如何爬取历史成交二手房信息，敬请期待。

长按进行关注。