正则爬取二手房数据

Posted 2020-09-26 陌溪

以下代码是二手房的数据，代码仅供参考，很简单，超级简单

#encoding:utf8
import requests
import re
调用网址
def spider(url):
    html = requests.get(url).content.decode(‘utf8‘)
数据的正则，如果你感觉你用正则匹配不出来，那么你就分开匹配，然后在把所要的正则拼合在一起。我就是这么搞得。
    title = re.compile(‘<h2><a href=".*?" target="_blank">(.*?)</a></h2>.*?<li>.*?<a target="_blank" href=".*?">(.*?)</a>.*?<a target="_blank" href=".*?">(.*?)</a>.*?</li>.*?<li class="font-balck"><span>(.*?)</span><span>(.*?)</span><span>(.*?)</span><span>(.*?)</span></li>.*?<div class="list-info-r">.*?<h3>(.*?)</h3>.*?<p>(.*?)</p>.*?<!-- <span class="btn-contrast">.*?<input name="" type="checkbox" value="" />.*?</span> -->.*?</div>‘,re.S)
    title_zheng = title.findall(html)
循环所要的数据
    for a1,a2,a3,a4,a5,a6,a7,aa8,a9 in title_zheng:
用repalce替换数据中的垃圾字母为空
        a8=aa8.replace(‘<em>‘,‘‘).replace(‘</em>‘,‘‘)
然后插入数据库
        sql = "insert into wojia(a1,a2,a3,a4,a5,a6,a7,a8,a9)VALUES(‘"+a1+"‘,‘"+a2+"‘,‘"+a3+"‘,‘"+a4+"‘,‘"+a5+"‘,‘"+a6+"‘,‘"+a7+"‘,‘"+a8+"‘,‘"+a9+"‘)"
        print(sql)
下面是循环的网址，1-7是循环的7页
for p in range(1,7):
    url = "http://bj.5i5j.com/exchange/n"+str(p)+""
    spider(url)


就这么简单，分分钟完事