python爬取北京租房信息

租房助手

發現官網的篩選方式不能滿足自己的需求，所以爬取相關網站製作出現在的東西來

效果預覽-> <a href="https://virzc.com/2018/05/17/beijingrent/#more" target="_blank">在線預覽</a>

###下面進行詳細分析
一.首先爬取起始地和終點地的路線及沿途地鐵站名稱

1.爬取8684.cn的地鐵查詢:

  pattern = 'http://bjdt.8684.cn/so.php?k=p2p&q={}&q1={}'

• q->起始位置，q1爲目標位置。返回的是html頁面。

  2.採用scrapy進行xpath解析，提取相關的html標籤和值

• 如提取線路方案列表的xpath表達式

            Selector(text=body).xpath(
            "//div[@class='iContainer clear']/div[@class='iMain']/div[@class='transferMainShowWrap']/ul[@class='tms-mn tms-project']/li")
            .extract()

3.提取出線路方案列表後，針對列表中的每個元素進行提取站點的操作，可參考提取a標籤，但剔除帶有class屬性的html值。

4.將所有的站點放到一個列表中，同時針對列表元素進行去重操作，記得記錄路線描述和距離，可定義相關對象來維護。

二.通過站點查詢租房信息

1.主要對自如官網進行爬取。

pattern=http://www.ziroom.com/z/nl/z2.html?qwd={}

• qwd可能需要進行urlencode

• 返回的是html頁面，需要對頁面進行分析，首先提取出總頁數，然後根據總頁數去請求其餘頁面。上面的url附加q參數，q參數爲頁面索引，即是單獨頁面鏈接

  2.針對單個頁面提取各個單條項目的信息。
  如提取單個頁面的信息列表

   ls = Selector(text=body).xpath("//ul[@id='houseList']/li").extract();

• 針對列表進行單個處理，提取感興趣的信息。

  3.處理封裝返回。
  針對提取的信息，進行篩選，例如對價格進行篩選，對大小進行篩選，不用做排序。採用前端框架來進行排序。後臺做的處理已經夠多了。

三.接入到公衆號中

可以接入到公衆號中，提高公衆號的影響力，具體的公衆平臺對接請參考<a href="https://github.com/zc1024/wxplatform/blob/master/weixin.py" target="_blank">訪問github開源項目</a>