打卡:2-2爬二手电话号码

目标

爬取这里的详情页网址+详情页信息


http://bj.58.com/shoujihao/
详情页和要爬的信息

难点

  • 筛选可用详情页
  • 获取最后一页页码
  • 导出数据库

源代码

获取网址代码
from bs4 import BeautifulSoup
import requests
import time
import pymongo
client = pymongo.MongoClient('localhost',27017)
phone = client['phone']
phone_urls = phone['phone_urls']

start_url = 'http://bj.58.com/shoujihao/'
end = False
def get_phone_urls( page, url):
    wb_data = requests.get(url)
    soup = BeautifulSoup(wb_data.text,'lxml')
    urls = soup.select('#infolist > div > ul > div.boxlist > ul > li > a.t')    print(len(urls))
    if len(urls) == 0:
        global end
        end = True
    else:
        for url in urls:
            phone_urls.insert_one({'page':page,'url':url.get('href')})

for i in range(1,150):
    if end == False:
        time.sleep(1)
        get_phone_urls(i, start_url+'pn{}/'.format(i))
        print('Page = ', i,' down')
        time.sleep(1)
    else: 
        breakprint('End')
获取详情代码
from bs4 import BeautifulSoup
import requests
import time
import pymongo

client = pymongo.MongoClient('localhost',27017)
phone = client['phone']
phone_urls = phone['phone_urls']
phone_details = phone['phone_details']
count = 0

def get_url_from(page):
    list = []
    for i in phone_urls.find({'page': page}):
        url = i['url']
        if 'bj.58.com' in url.split('/'):
            list.append(url)
        else:
            pass
    return list

def get_phone_detail(url):
    resp = requests.get(url)
    soup = BeautifulSoup(resp.text,'lxml')
    titles = soup.select('#main > div.col.detailPrimary.mb15 > div.col_sub.mainTitle > h1')
    prices = soup.select('span.price')
    areas = soup.select('#main > div.col.detailPrimary.mb15 > div.col_sub.sumary > ul > li:nth-of-type(2) > div.su_con')    names = soup.select('li > a.tx')
    phones = soup.select('span[id="t_phone"]')
    title = titles[0].get_text().replace(' ','').split('\n') if titles else None
    sell_phone = title[2] if titles else None
    sell_kind = title[5].strip('\t') if titles else None
    sell_title = title[6].strip('\t') if title[6]!='' else None
    price = prices[0].get_text().replace('\n','').replace(' ','').strip('\t') if prices else None
    area = areas[0].get_text().strip('\n') if areas else None
    name = names[0].get_text().strip('\n') if names else None
    phone = phones[0].get_text().replace('\n','').strip('\t') if phones else None
    zidian = {
        '在售号码':sell_phone,
        '号码类型':sell_kind,
        '网页标题':sell_title,
        '销售价格':price,
        '销售地区':area,
        '卖主姓名':name,
        '联系方式':phone
    }
    phone_details.insert_one(zidian)

for i in range(1,117):
    url_list = get_url_from(1)
    print('Page ',i,' start:')
    count = 0
    for url in url_list:
        time.sleep(2)
        count = count + 1
        print(count)
        get_phone_detail(url)
    print('Page ', i, ' down')

总结

  • 从爬到的网址里筛选出符合要求的网页(判断是否是外来链接),我这里的做法是,将获取的网页文件用split('')分离,判断'bj.58.com'是否在地址中,如果是,则是合格的详情页

  • 判断页码是否递增到了尽头,我这里运用了一个全局变量end,一旦到达某页搜集到的详情页网址只有0个,那么就结束所有的循环,直接结束代码。
    由此发现最后一页是116。

  • 导出的时候遇到一个小问题,就是我在打开mongo里运行了export,但这是会报错的,必须要退出到cmd中才行。导出的时候,如果对应的标题是中文,也可以直接打哦


    导出csv
  • 一个个爬超级慢的,爬了很久才爬了一千个详情页(来自30多页列表页),期待多线程的学习

  • 另外,今天为啥简书坏掉了好多快捷键都不能用???

输出成果

详情页网址
详情页信息
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
平台声明:文章内容(如有图片或视频亦包括在内)由作者上传并发布,文章内容仅代表作者本人观点,简书系信息发布平台,仅提供信息存储服务。
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 228,197评论 6 531
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 98,415评论 3 415
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 176,104评论 0 373
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 62,884评论 1 309
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 71,647评论 6 408
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 55,130评论 1 323
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 43,208评论 3 441
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 42,366评论 0 288
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 48,887评论 1 334
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 40,737评论 3 354
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 42,939评论 1 369
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 38,478评论 5 358
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 44,174评论 3 347
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 34,586评论 0 26
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 35,827评论 1 283
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 51,608评论 3 390
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 47,914评论 2 372

推荐阅读更多精彩内容