上次为大家介绍了如何通过 Python 抓取新房楼盘价格信息，很多朋友都在问，那二手房最新的价格信息要如何抓取呢?好!今天就再来为大家讲一讲，二手房的房价信息要怎么抓取。
模块安装
同上次新房一样，这里需要安装以下模块(当然如果已安装就不用再装了)：
- # 安装引用模块
- pip3 install bs4
- pip3 install requests
- pip3 install lxml
- pip3 install numpy
- pip3 install pandas
好了，安装完成后，就可以开始写代码了。至于配置请求头和代理IP地址的代码，上次介绍新房已经说过了，这里不再赘述，下面直接上抓取代码。
二手房价数据对象
在这里我们将二手房的房价信息，创建成一个对象，后续我们只要将获取到的数据保存成对象，再处理就会方便很多。SecHouse 对象代码如下所示：
- # 二手房信息对象
- class SecHouse(object):
- def __init__(self, district, area, name, price, desc, pic):
- self.district = district
- self.area = area
- self.price = price
- self.name = name
- self.desc = desc
- self.pic = pic
- def text(self):
- return self.district + "," + \
- self.area + "," + \
- self.name + "," + \
- self.price + "," + \
- self.desc + "," + \
- self.pic
获取二手房价信息并保存
准备好了，下面我们依然以贝壳为例，批量爬取其北京地区二手房数据，并保存到本地。这里我主要想说的是如何抓取数据过程，所以这里依然就保存成最简单的 txt 文本格式。如果想保存到数据库，可以自行修改代码进行保存数据库处理。
获取区县信息
我们在抓取二手房信息时，肯定想知道这个房源所在地区，所以这里我写了个方法把北京市所有区县信息抓取下来，并临时保存至列表变量里，以备后续程序中使用，代码如下：
- # 获取区县信息
- def get_districts():
- # 请求 URL
- url = 'https://bj.ke.com/xiaoqu/'
- headers = create_headers()
- # 请求获取数据
- response = requests.get(url, timeout=10, headers=headers)
- html = response.content
- root = etree.HTML(html)
- # 处理数据
- elements = root.xpath('///div[3]/div[1]/dl[2]/dd/div/div/a')
- en_names = list()
- ch_names = list()
- # 循环处理对象
- for element in elements:
- link = element.attrib['href']
- en_names.append(link.split('/')[-2])
- ch_names.append(element.text)
- # 打印区县英文和中文名列表
- for index, name in enumerate(en_names):
- chinese_city_district_dict[name] = ch_names[index]
- return en_names
获取地区板块
除了上面要获取区县信息，我们还应该获取比区县更小的板块区域信息，同样的区县内，不同板块地区二手房的价格等信息肯定不一样，所以板块对于我们来说也很重要，具有一次参考价值。获取板块信息代码如下：
- # 获取某个区县下所有板块信息
- def get_areas(district):
- # 请求的 URL
- page = "http://bj.ke.com/xiaoqu/{0}".format(district)
- # 板块列表定义
- areas = list()
- try:
- headers = create_headers()
- response = requests.get(page, timeout=10, headers=headers)
- html = response.content
- root = etree.HTML(html)
- # 获取标签信息
- links = root.xpath('//div[3]/div[1]/dl[2]/dd/div/div[2]/a')
- # 针对list进行处理
- for link in links:
- relative_link = link.attrib['href']
- # 最后"/"去掉
- relative_link = relative_link[:-1]
- # 获取最后一节信息
- area = relative_link.split("/")[-1]
- # 去掉区县名称,以防止重复
- if area != district:
- chinese_area = link.text
- chinese_area_dict[area] = chinese_area
- # 加入板块信息列表
- areas.append(area)
- return areas
- except Exception as e:
- print(e)
获取二手房信息并保存
- # 创建文件准备写入
- with open("sechouse.txt", "w", encoding='utf-8') as f:
- # 定义变量
- total_page = 1
- # 初始化 list
- sec_house_list = list()
- # 获取所有区县信息
- districts = get_districts()
- # 循环处理区县
- for district in districts:
- # 获取某一区县下所有板块信息
- arealist = get_areas(district)
- # 循环遍历所有板块下的小区二手房信息
- for area in arealist:
- # 中文区县
- chinese_district = chinese_city_district_dict.get(district, "")
- # 中文版块
- chinese_area = chinese_area_dict.get(area, "")
- # 请求地址
- page = 'http://bj.ke.com/ershoufang/{0}/'.format(area)
- headers = create_headers()
- response = requests.get(page, timeout=10, headers=headers)
- html = response.content
- # 解析 HTML
- soup = BeautifulSoup(html, "lxml")
- # 获取总页数
- try:
- page_box = soup.find_all('div', class_='page-box')[0]
- matches = re.search('.*data-total-count="(\d+)".*', str(page_box))
- # 获取总页数
- total_page = int(math.ceil(int(matches.group(1)) / 10))
- except Exception as e:
- print(e)
- print(total_page)
- # 设置请求头
- headers = create_headers()
- # 从第一页开始,遍历到最后一页
- for i in range(1, total_page + 1):
- # 请求地址
- page = 'http://bj.ke.com/ershoufang/{0}/pg{1}'.format(area,i)
- print(page)
- # 获取返回内容
- response = requests.get(page, timeout=10, headers=headers)
- html = response.content
- soup = BeautifulSoup(html, "lxml")
- # 获得二手房查询列表
- house_elements = soup.find_all('li', class_="clear")
- # 遍历每条信息
- for house_elem in house_elements:
- # 价格
- price = house_elem.find('div', class_="totalPrice")
- # 标题
- name = house_elem.find('div', class_='title')
- # 描述
- desc = house_elem.find('div', class_="houseInfo")
- # 图片地址
- pic = house_elem.find('a', class_="img").find('img', class_="lj-lazy")
- # 清洗数据
- price = price.text.strip()
- name = name.text.replace("\n", "")
- desc = desc.text.replace("\n", "").strip()
- pic = pic.get('data-original').strip()
- # 保存二手房对象
- sec_house = SecHouse(chinese_district, chinese_area, name, price, desc, pic)
- print(sec_house.text())
- sec_house_list.append(sec_house)
- # 循环遍历将信息写入 txt
- for sec_house in sec_house_list:
- f.write(sec_house.text() + "\n")
到这里代码就写好了，现在我们就可以通过命令 python sechouse.py 运行代码进行数据抓取了。抓取的结果我们可以打开当前目录下 sechouse.txt 文件查看，结果如下图所示：
总结本文为大家介绍了如何通过 Python 将房产网上的二手房数据批量抓取下来，经过一段时间的抓取，我们就可以将抓取的结果进行对比分析，看看二手房价最近是涨还是跌?如果喜欢我们的文章，请关注收藏再看。
