bs4+phantomjs爬取安居客二手房信息

最新推荐文章于 2023-10-24 10:14:55 发布

Zzzzx_

最新推荐文章于 2023-10-24 10:14:55 发布

阅读量1.2k

点赞数

CC 4.0 BY-SA版权

分类专栏：爬虫文章标签： python

本文链接：https://blog.youkuaiyun.com/qq_33854211/article/details/78466826

这篇博客介绍了如何利用Python的BeautifulSoup4（bs4）和PhantomJS库爬取安居客网站上的二手房信息。作者首先分析了安居客移动端页面的结构，然后详细阐述了爬取流程，包括获取区域、商圈链接，模拟浏览器滚动加载更多内容，解析HTML获取房源信息，并将数据以JSON格式保存。项目代码分为anjuke.py和config.py两个文件。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

bs4+phantomjs爬取安居客二手房信息

这是我的第一篇博客，希望通过养成写博客的习惯来督促自己学习。

开发环境以及需要安装的模块
- Python3.6
- requests pip install requests
- BeautifulSoup4 pip install BeautifulSoup4
- selenium pip install selenium
- phantomjs 官网http://phantomjs.org/

分析

1、先来看下安居客移动端页面https://m.anjuke.com/sh/sale/pudong/?from=filterarea
2、点击浦东，弹出菜单，左边是区，后边是商圈。
3、不停下拉直至出现，没有更多这里写图片描述
我们用phantomjs来模拟浏览器操作。
需要注意的点:
某些商圈没有二手房信息，会在页面上显示 “没有符合条件的房源，请修改条件或关键词”。如青浦区下面的青东农场。

步骤

以安居客上海二手房为例。
为了尽量爬取更多的信息，以区为单位爬取。
以浦东为例：
- 获取浦东地区所有商圈的链接
- 对于每个商圈获取其页面
- 下拉至出现没有更多
- 下载其HTML代码
- 利用bs4分析获取item
- 以json格式写入文件
如何获得每个区的链接我就不说了。
如和使用bs4我也不说了。

项目结构

Anjuke
—— anjuke.py
—— config.py

代码块

以下anjuke.py是部分代码

'''
    step-1.获取所有商圈的移动端页面
    step-2.每个页面模拟下拉直至完全显示
    step-3.解析页面获得items
    step-4.将items写入文件
'''
def main():
    # init
    start_url = 'https://m.anjuke.com/sh/sale/pudong/?from=filterarea'
    browser = webdrive