基于大数据的房价分析--1.数据爬取

58同城二手房爬虫实战

爬取数据用的是python2.6+scrapy爬虫框架,一开始我写的是一个全站爬虫,可以根据一个种子url爬取58同城所有房价信息,但有个问题就是必须使用代理IP,否则爬虫很快就会被封禁,于是我想了个办法就是在linux中每五分钟运行一次爬虫程序,每次只爬取一个城市的房价信息,代码如下

1.spiders
#encoding=utf-8
import sys

sys.path.append("..")
from scrapy.spiders import Spider
from lxml import html
import plug
from plug.utils import StringUtil,NumberUtil
from ershoufang.items import HouseItem
import re
import scrapy
import time
import pymongo
from scrapy.utils.project import get_project_settings
class erShouSpider(Spider):
    name = "ershoufang"
    allowed_domains = ["58.com"]

    def __init__(self):
        super(erShouSpider,self).__init__()
        self.settings = get_project_settings()
        self.client = pymongo.MongoClient(
                                                                self.settings['MONGO_IP'],
                                                                self.settings['MONGO_PORT'])
        self.cities_db = self.client[self.settings['CITY_DB']]
        self.cities_Col = self.cities_db[self.settings['CITY_COL']]
        self.fillurl=""
        self.cityhost=""
        self.city=""
    def get_specify_request(self):
        #返回指定的请求
        condition = {
  
  "city":self.settings['CITY']}
        if self.settings['PROVIENCE'] and self.settings['PROVIENCE']!="":
            condition = {
  
  "city":self.settings['CITY'],"provience":self.settings['PROVIENCE']}
      
评论 6
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