Day27. 爬虫案例二:链家楼盘

该博客展示了如何利用Python爬虫从链家网站抓取关于Python、数据分析师等职位的信息,并存储到MongoDB数据库中。代码涉及requests、BeautifulSoup库以及多进程Pool进行数据抓取和存储。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

爬虫案例二:链家楼盘



前言

上个案例的粗糙版,也是可以用吧。


一.链家楼盘案例

import requests
from bs4 import BeautifulSoup
import time
import pymongo
from multiprocessing import Pool

# 创建数据库以及相应的表格
client = pymongo.MongoClient('localhost', 27017)
lianjia = client['lianjia']
boss_info = lianjia["boss_info"]


def get_soup(url):
    # url = "https://www.zhipin.com/c101210100/?query=python&page=2"
    headers = {
        "user-agent": "******",
        "cookie": "*****"
    }

    respose = requests.get(url, headers=headers)
    soup = BeautifulSoup(respose.text, "lxml")
    return soup


def get_info(url):
    soup = get_soup(url)
    time.sleep(1)

    infos = soup.select("#main > div > ul > li > a > div > div.title ")
    companys = soup.select("#main > div > ul > li > a > div > div.name")
    address_requests = soup.select("#main > div > ul > li > a > div > div.msg")

    for info, company, address_request in zip(infos, companys, address_requests):
        data = {
            "infos": info.text,
            "companys": company.text,
            "address_requests": address_request.text
        }
        boss_info.insert_one(data)
    print("Insert OK!")


def get_urls():
    query = ["python", "数据分析师", "人工智能", "数据挖掘", "自然语言处理", "推荐算法"]
    pages = range(1, 10)
    urls = []
    for i in query:
        for j in pages:
            url = "https://www.zhipin.com/c101210100/?query={}&page={}".format(i, j)
            urls.append(url)
    return urls


if __name__ == "__main__":
    pool = Pool()
    urls = get_urls()
    pool.map(get_info, (url for url in urls))

总结

也是新鲜出炉的,但是相对于上个案例来说,没这么优美,也算是能用吧。

溜了遛了,脑壳疼。Loading(27/100)。。。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值