笔记8:对真实网站进行抓取统计

frombs4importBeautifulSoup

importrequests

importtime

importrandom

content_all= []

link_all= []

defget_content(url):

web_data=requests.get(url)

Soup=BeautifulSoup(web_data.text,'lxml')

title=Soup.select(' div.pho_info > h4 > em')[0].get_text()

address=Soup.select('div.pho_info > p')[0].get('title').strip()

brice=Soup.select('#pricePart > div.day_l > span')[0].get_text()

house_img=Soup.select('#curBigImage')[0].get('src')

master_img=Soup.select('#floatRightBox > div.js_box.clearfix > div.member_pic > a > img')[0].get('src')

master_name=Soup.select('#floatRightBox > div.js_box.clearfix > div.w_240 > h6 > a')[0].get_text()

master_gender=Soup.select('#floatRightBox > div.js_box.clearfix > div.w_240 > h6 > span')[0].get('class')[0]

data={

'title':title,

'address':address,

'brice':int(brice),

'house_img':house_img,

'master_img':master_img,

'master_name':master_name,

'master_gender':master_gender

}

ifdata['master_gender'] =='member_girl_ico':

#print('女')

data['master_gender'] ='女'

else:

#print('男')

data['master_gender'] ='男'

returndata

defget_single_web(url):

link_emp= []

web_data=requests.get(url)

Soup=BeautifulSoup(web_data.text,'lxml')

urls=Soup.select('a.resule_img_a')

for i in urls:

link_emp.append(i.get('href'))

returnlink_emp

url_all= [r'http://xa.*******.com/search-duanzufang-p{}-0/'.format(str(i))foriinrange(1,2)]

count=0

foriinurl_all:

web_data_host_links=get_single_web(i)

link_all+=web_data_host_links#将所有的链接存放到一个列表中

time.sleep(random.randrange(1,3))

forjinlink_all:

count+=1

print('link is {} num is {} \n {}'.format(j, count, get_content(j)))#将每个链接和抓取的内容打印出来

content_all.append(get_content(j))#将每个详情页的内容以字典形式存放,然后将每个详情页抓取内容存放到列表中

time.sleep(random.randrange(1,3))#时间随机等待1到2秒

sort_content_all=sorted(content_all,key=lambdax:x['brice'])

print(sort_content_all)

思路:

1、对所有页数进行统计

2、对每一页的详情页列表统计

3、通过字典结构化保存

4、定位详情页抓取的内容


知识小结:

lamada x:x[ ]    函数运用

formate()  格式化输出

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 157,298评论 4 360
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 66,701评论 1 290
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 107,078评论 0 237
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 43,687评论 0 202
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 52,018评论 3 286
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 40,410评论 1 211
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 31,729评论 2 310
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 30,412评论 0 194
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 34,124评论 1 239
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 30,379评论 2 242
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 31,903评论 1 257
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 28,268评论 2 251
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 32,894评论 3 233
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 26,014评论 0 8
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 26,770评论 0 192
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 35,435评论 2 269
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 35,312评论 2 260

推荐阅读更多精彩内容

  • Date:2016-9-21update:2016-9-30By:Black Crow 前言: 终于进入到网络页面...
    black_crow阅读 809评论 0 2
  • 下面是抓取信息的函数 下面是调用上面函数的代码 然后跑出来这么一个错误 不知道是哪里出错了,错误类型:过滤器必须是...
    鸣人吃土豆阅读 1,448评论 0 0
  • Spring Cloud为开发人员提供了快速构建分布式系统中一些常见模式的工具(例如配置管理,服务发现,断路器,智...
    卡卡罗2017阅读 134,087评论 18 139
  • 未解 时间戳转时分秒字符串 格式化HMS 计算音量大小与位置关系算法,未解 windows实现互斥单选按钮: ??...
    秀逼阅读 399评论 0 0
  • 很多情,谈着谈着逐渐变淡了 很多人,走着走着消失不见了 缘分,停不在初见时的美好 时光,留不住昨天远去的脚步 当一...
    美心琪子阅读 211评论 2 5