租房子，光看数据怎么够，Python爬取某站租房图片

  • Z时代
  • 2024-01-10
  • 分类：综合

python

前言

本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理。

以下文章来源于csdn，作者 王延领

转载地址

https://www.cnblogs.com/kmonkeywyl/p/8409715.html

 

对于一个net开发者爬虫真真的以前没有写过。这段时间开始学习python爬虫，今天周末无聊写了一段代码爬取上海租房图片，其实很简短就是利用爬虫的第三方库Requests与BeautifulSoup。python 版本：python3.6 ,IDE ：pycharm。

 

第三方库

首先安装

我是用的pycharm所以另外的脚本安装我这就不介绍了。

如上图打开默认设置选择Project Interprecter，双击pip或者点击加号，搜索要安装的第三方库。其中如果建立的项目多记得Project Interprecter要选择正确的安装位置不然无法导入。

Requests库

requests库的官方定义：Requests 唯一的一个非转基因的 Python HTTP 库，人类可以安全享用。其实他就是请求网络获取网页数据的。

import requests
header={"User-Agent":"Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/55.0.2883.87 Safari/537.36"}
res=requests.get("http://sh.58.com/zufang/",headers=header)
try:
print(res.text);
except  ConnectionError:
print("访问被拒绝！！！")

结果如下：

其中Request Headers的参数如下：

  • headers的一些属性：

  • Accept:指定客户端能够接收的内容类型，内容类型的先后次序表示客户端接收的先后次序

  • Accept-Lanuage:指定HTTP客户端浏览器用来展示返回信息优先选择的语言

  • Accept-Encoding指定客户端浏览器可以支持的web服务器返回内容压缩编码类型。表示允许服务器在将输出内容发送到客户端以前进行压缩，以节约带宽。而这里设置的就是客户端浏览器所能够支持的返回压缩格式。

  • Accept-Charset:HTTP客户端浏览器可以接受的字符编码集

  • User-Agent : 有些服务器或 Proxy 会通过该值来判断是否是浏览器发出的请求

  • Content-Type : 在使用 REST 接口时，服务器会检查该值，用来确定 HTTP Body 中的内容该怎样解析。

  • application/xml ： 在 XML RPC，如 RESTful/SOAP 调用时使用

  • application/json ： 在 JSON RPC 调用时使用

  • application/x-www-form-urlencoded ： 浏览器提交 Web 表单时使用

  • 在使用服务器提供的 RESTful 或 SOAP 服务时， Content-Type 设置错误会导致服务器拒绝服务

BeautifulSoup库

BeautifulSoup可以轻松的解析Requests库请求的页面，并把页面源代码解析为Soup文档，一边过滤提取数据。这是bs4.2的文档。
Beautiful Soup支持Python标准库中的HTML解析器,还支持一些第三方的解析器，如果我们不安装它，则 Python 会使用 Python默认的解析器，其中lxml 据说是相对而言比较强大的我下面的暗示是python 标准库的。

选择器select

 

案例：爬取上海租房图片

import requests
import urllib.request
import os
import time
from bs4 import BeautifulSoup
header={"User-Agent":"Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/62.0.3202.62 Safari/537.36"}
url=["http://sh.58.com/zufang/pn{}/?ClickID=2".format(number) for number in range(6,51)]#分页抓取
adminCout=6
for arurl in url:
    adminCout=adminCout+1
    res=requests.get(arurl,headers=header)
    soup=BeautifulSoup(res.text,"html.parser")
    arryImg=soup.select(".img_list img")
print(arryImg)
    count = 0;
for img in arryImg:
print(img["lazy_src"])
        _url = img["lazy_src"]
        pathName = "E:2333" + str(adminCout)+"_"+str(count) + ".jpg"# 设置路径和文件名
        result = urllib.request.urlopen(_url)  # 打开链接，和python2.x不同请注意了
        data = result.read()  # 否则开始下载到本地
        with open(pathName, "wb") as code:
            code.write(data)
            code.close()
            count = count + 1  # 计数+1
print("正在下载第：", count)
        time.sleep(30)

以上是 租房子，光看数据怎么够，Python爬取某站租房图片 的全部内容， 来源链接： utcz.com/z/531071.html

回到顶部