Python爬蟲實戰筆記_2-1 篩選房源

mongodb的使用
  1. step1 處理url,先得到各個page的url, 用geturls()得到每個page中各個房源的url, 再用soup解析得到每個房源的相關信息,依次存入數據庫
  2. step2 從數據庫查找>500的房源數據
  3. 順便實現了斷點續傳
#!usr/bin/env python
#_*_ coding: utf-8 _*_
#
# 在mongodb中篩選房源
#
from bs4 import BeautifulSoup
import requests
import os
import urllib

import pymongo
from mongoconn import mongoset


def geturls(url):
    url_data = requests.get(url)
    soup = BeautifulSoup(url_data.text, "lxml")
    pagelist = soup.select('#page_list > ul > li > a')
    urllist = [item.get('href') for item in pagelist]
    return urllist

def getemtext(element):
    return element.get_text().strip()

def getgender(element):
    if element.get("class") == ["member_boy_ico"]:
        return 'male'
    elif element.get("class") == ["member_girl_ico"]:
        return 'female'
    else:
        return ''
    pass

def get_target_info(url):
    url_data = requests.get(url)
    soup = BeautifulSoup(url_data.text, "lxml")
    title = soup.select('div.pho_info > h4 > em')
    address = soup.select('div.pho_info > p > span.pr5')
    image = soup.select('div.pho_show_big > div > img')
    price = soup.select('div.bg_box > div.day_top > div > span')
    lordname = soup.select('div.bg_box > div > div > h6 > a.lorder_name')
    gender = soup.select('div.bg_box > div > div > h6 > span')
    lordpic = soup.select('div.bg_box > div > div.member_pic > a > img')

    data = {
        "title": getemtext(title[0]),
        "address": getemtext(address[0]),
        "image": image[0].get('src'),
        "price": getemtext(price[0]),
        "lordname": getemtext(lordname[0]),#.get_text(),
        "gender": getgender(gender[0]),
        "lordpic": lordpic[0].get('src')
    }
    return data

if __name__ == '__main__':
    tinfo = mongoset('xiaozhu', 'info')
    tinfo.create_index([('title', pymongo.DESCENDING), ('address', pymongo.DESCENDING)], unique=True)
    ### step1 save data into mongodb
    urls = ["http://sh.xiaozhu.com/search-duanzufang-p{}-0/".format(pageid) for pageid in range(1, 4)]
    print(urls)
    for url in urls:
        urllist = geturls(url)
        for urlitem in urllist:
            data = get_target_info(urlitem)
            print({'title': data['title']})
            try:
                tinfo.insert_one(data)
            except pymongo.errors.DuplicateKeyError:
                tinfo.update_one({'title': data['title']}, {'$set': {'price': data['price']}})
            except:
                pass

    ### step2 get target info
    for info in tinfo.find({'price': {'$gt': '500'}}):
        #if int(info['price']) >= 500:
        print(info)

部分輸出信息如下

{'gender': 'female', 'lordpic': 'http://image.xiaozhustatic1.com/21/4,0,2,9380,374,374,194746bc.jpg', '_id': ObjectId('5775150484a5fd48784276e0'), 'image': 'http://image.xiaozhustatic1.com/00,800,533/4,0,81,10040,1798,1200,a0fc0b77.jpg', 'lordname': '空白色', 'address': '上海市閘北區止園路99弄1號樓', 'title': '人民廣場 外灘 地鐵零距離旅游溫馨便利兩居室', 'price': '599'}
{'gender': 'female', 'lordpic': 'http://image.xiaozhustatic1.com/21/4,0,2,9380,374,374,194746bc.jpg', '_id': ObjectId('5775150684a5fd48784276e3'), 'image': 'http://image.xiaozhustatic1.com/00,800,533/5,0,36,3151,1798,1200,62875638.jpg', 'lordname': '空白色', 'address': '上海市閘北區寶昌路399弄3號樓', 'title': '近外灘人民廣場上海火車站地鐵站的豪華公寓', 'price': '599'}
{'gender': 'female', 'lordpic': 'http://image.xiaozhustatic1.com/21/2,0,7,3130,260,260,1edf95cd.jpg', '_id': ObjectId('5775150c84a5fd48784276ed'), 'image': 'http://image.xiaozhustatic1.com/00,800,533/2,0,74,4017,1800,1200,b920d1da.jpg', 'lordname': 'glorymedia', 'address': '上海市閔行區中春路新龍路', 'title': '近虹橋機場、高鐵,花園鋼琴房', 'price': '1088'}
{'gender': 'female', 'lordpic': 'http://image.xiaozhustatic1.com/21/6,0,64,1269,250,250,8cd6afee.jpg', '_id': ObjectId('5775150e84a5fd48784276f0'), 'image': 'http://image.xiaozhustatic1.com/00,800,533/3,0,93,4657,1800,1200,38973fc6.jpg', 'lordname': '夏小G', 'address': '上海市嘉定區嘉寶夢之灣', 'title': '古鎮多彩設計感北歐風格民居 電影拍攝片場', 'price': '550'}
{'gender': 'female', 'lordpic': 'http://image.xiaozhustatic1.com/21/1,0,2,3091,260,260,bd3907dd.jpg', '_id': ObjectId('5775151684a5fd48784276fd'), 'image': 'http://image.xiaozhustatic1.com/00,802,533/5,0,50,1993,1300,865,83b4ddfc.jpg', 'lordname': '介介', 'address': '上海市黃浦區中山南路398號', 'title': '獨享外灘豪宅江景房 東方明珠 豫園', 'price': '799'}
{'gender': '', 'lordpic': 'http://image.xiaozhustatic1.com/21/2,0,30,4168,375,375,668e4b62.jpg', '_id': ObjectId('5775151c84a5fd4878427706'), 'image': 'http://image.xiaozhustatic1.com/00,800,533/6,0,15,2889,1798,1200,4573a3c7.jpg', 'lordname': '王湘', 'address': '上海市徐匯區襄陽南路306弄', 'title': '法國手藝人打造/法租界花園洋房/電影拍攝地', 'price': '538'}
{'gender': 'male', 'lordpic': 'http://image.xiaozhustatic1.com/21/4,0,4,9896,329,329,b702853f.jpg', '_id': ObjectId('5775151e84a5fd4878427709'), 'image': 'http://image.xiaozhustatic1.com/00,800,533/4,0,85,10672,1798,1200,d35465af.jpg', 'lordname': 'siyan5', 'address': '上海市徐匯區淮海中路1200弄', 'title': '淮海中路靜安寺1/2/7/10號地鐵兩房兩衛', 'price': '698'}

數據表中保存的數據截圖


Screen Shot 2016-06-30 at 8.48.17 PM.png
總結
  • 有的房源沒有房主的性別信息,將gender屬性置空
  • from mongoconn import mongoset 引入的函數如下:
#!usr/bin/env python
#_*_ coding: utf-8 _*_
#
#  connect mongodb

import pymongo


def mongoset(db, table):
    client = pymongo.MongoClient('localhost', 27017)
    data = client[db]
    sheet = data[table]
    return sheet
  • mongo更新數據的用法:update_one
  • mongo設置主鍵的方法:create_index
最后編輯于
?著作權歸作者所有,轉載或內容合作請聯系作者
平臺聲明:文章內容(如有圖片或視頻亦包括在內)由作者上傳并發布,文章內容僅代表作者本人觀點,簡書系信息發布平臺,僅提供信息存儲服務。
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市,隨后出現的幾起案子,更是在濱河造成了極大的恐慌,老刑警劉巖,帶你破解...
    沈念sama閱讀 228,983評論 6 537
  • 序言:濱河連續發生了三起死亡事件,死亡現場離奇詭異,居然都是意外死亡,警方通過查閱死者的電腦和手機,發現死者居然都...
    沈念sama閱讀 98,772評論 3 422
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人,你說我怎么就攤上這事。” “怎么了?”我有些...
    開封第一講書人閱讀 176,947評論 0 381
  • 文/不壞的土叔 我叫張陵,是天一觀的道長。 經常有香客問我,道長,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 63,201評論 1 315
  • 正文 為了忘掉前任,我火速辦了婚禮,結果婚禮上,老公的妹妹穿的比我還像新娘。我一直安慰自己,他們只是感情好,可當我...
    茶點故事閱讀 71,960評論 6 410
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著,像睡著了一般。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發上,一...
    開封第一講書人閱讀 55,350評論 1 324
  • 那天,我揣著相機與錄音,去河邊找鬼。 笑死,一個胖子當著我的面吹牛,可吹牛的內容都是我干的。 我是一名探鬼主播,決...
    沈念sama閱讀 43,406評論 3 444
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了?” 一聲冷哼從身側響起,我...
    開封第一講書人閱讀 42,549評論 0 289
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后,有當地人在樹林里發現了一具尸體,經...
    沈念sama閱讀 49,104評論 1 335
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內容為張勛視角 年9月15日...
    茶點故事閱讀 40,914評論 3 356
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發現自己被綠了。 大學時的朋友給我發了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 43,089評論 1 371
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖,靈堂內的尸體忽然破棺而出,到底是詐尸還是另有隱情,我是刑警寧澤,帶...
    沈念sama閱讀 38,647評論 5 362
  • 正文 年R本政府宣布,位于F島的核電站,受9級特大地震影響,放射性物質發生泄漏。R本人自食惡果不足惜,卻給世界環境...
    茶點故事閱讀 44,340評論 3 347
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧,春花似錦、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 34,753評論 0 28
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至,卻和暖如春,著一層夾襖步出監牢的瞬間,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 36,007評論 1 289
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人。 一個月前我還...
    沈念sama閱讀 51,834評論 3 395
  • 正文 我出身青樓,卻偏偏與公主長得像,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當晚...
    茶點故事閱讀 48,106評論 2 375

推薦閱讀更多精彩內容