作者丨欧巴
https://zhuanlan.zhihu.com/pythonlearn
小伙伴，我又来了，这次我们写的是用python爬虫爬取乌鲁木齐的房产数据并展示在地图上，地图工具我用的是 BDP个人版-免费在线数据分析软件，数据可视化软件 ，这个可以导入csv或者excel数据。
首先还是分析思路，爬取网站数据，获取小区名称，地址，价格，经纬度，保存在excel里。再把excel数据上传到BDP网站，生成地图报表
本次我使用的是scrapy框架，可能有点大材小用了，主要是刚学完用这个练练手，再写代码前我还是建议大家先分析网站，分析好数据，再去动手写代码，因为好的分析可以事半功倍，乌鲁木齐楼盘,2017乌鲁木齐新楼盘,乌鲁木齐楼盘信息 – 乌鲁木齐吉屋网 这个网站的数据比较全，每一页获取房产的LIST信息，并且翻页，点进去是详情页，获取房产的详细信息(包含名称，地址，房价，经纬度)，再用pipelines保存item到excel里，最后在bdp生成地图报表，废话不多说上代码：
JiwuspiderSpider.py
# -*- coding: utf-8 -*-
from scrapy import Spider,Request
import re
from jiwu.items import JiwuItem
class JiwuspiderSpider(Spider):
name = "jiwuspider"
allowed_domains = ["wlmq.jiwu.com"]
start_urls = ['http://wlmq.jiwu.com/loupan']
def parse(self, response):
"""
解析每一页房屋的list
:param response:
:return:
"""
for url in response.xpath('//a[@class="index_scale"]/@href').extract():
yield Request(url,self.parse_html) # 取list集合中的url 调用详情解析方法
# 如果下一页属性还存在，则把下一页的url获取出来
nextpage = response.xpath('//a[@class="tg-rownum-next index-icon"]/@href').extract_first()
#判断是否为空
if nextpage:
yield Request(nextpage,self.parse) #回调自己继续解析
def parse_html(self,response):
"""
解析每一个房产信息的详情页面，生成item
:param response:
:return:
"""
pattern = re.compile('<script type="text/javascript">.*?lng = '(.*?)';.*?lat = '(.*?)';.*?bname = '(.*?)';.*?'
'address = '(.*?)';.*?price = '(.*?)';',re.S)
item = JiwuItem()
results = re.findall(pattern,response.text)
for result in results:
item['name'] = result[2]
item['address'] = result[3]
# 对价格判断只取数字，如果为空就设置为0
pricestr =result[4]
pattern2 = re.compile('(d+)')
s = re.findall(pattern2,pricestr)
if len(s) == 0:
item['price'] = 0
else:item['price'] = s[0]
item['lng'] = result[0]
item['lat'] = result[1]
yield item
item.py
# -*- coding: utf-8 -*-
# Define here the models for your scraped items
#
# See documentation in:
# http://doc.scrapy.org/en/latest/topics/items.html
import scrapy
class JiwuItem(scrapy.Item):
# define the fields for your item here like:
name = scrapy.Field()
price =scrapy.Field()
address =scrapy.Field()
lng = scrapy.Field()
lat = scrapy.Field()
pass
pipelines.py 注意此处是吧mongodb的保存方法注释了，可以自选选择保存方式
# -*- coding: utf-8 -*-
# Define your item pipelines here
#
# Don't forget to add your pipeline to the ITEM_PIPELINES setting
# See: http://doc.scrapy.org/en/latest/topics/item-pipeline.html
import pymongo
from scrapy.conf import settings
from openpyxl import workbook
class JiwuPipeline(object):
wb = workbook.Workbook()
ws = wb.active
ws.append(['小区名称', '地址', '价格', '经度', '纬度'])
def __init__(self):
# 获取数据库连接信息
host = settings['MONGODB_URL']
port = settings['MONGODB_PORT']
dbname = settings['MONGODB_DBNAME']
client = pymongo.MongoClient(host=host, port=port)
# 定义数据库
db = client[dbname]
self.table = db[settings['MONGODB_TABLE']]
def process_item(self, item, spider):
jiwu = dict(item)
#self.table.insert(jiwu)
line = [item['name'], item['address'], str(item['price']), item['lng'], item['lat']]
self.ws.append(line)
self.wb.save('jiwu.xlsx')
return item
最后报表的数据
mongodb数据库
地图报表效果图：BDP分享仪表盘，分享可视化效果
https://me.bdp.cn/share/index.html?shareId=sdo_b697418ff7dc4f928bb25e3ac1d52348
推荐↓↓↓
长
按
关
注
👉【16个技术公众号】都在这里！
涵盖：程序员大咖、源码共读、程序员共读、数据结构与算法、黑客技术和网络安全、大数据科技、编程前端、Java、Python、Web编程开发、Android、iOS开发、Linux、数据库研发、幽默程序员等。
