python爬取北京贝壳找房网数据

　　　　　　　　　　　　　　　　　　　　　　　　　python爬取北京贝壳找房网数据

一，选题背景

　　贝壳找房业务涉及二手房，新房，租房，商业办公等。平台拥有全面真实的房源信息，为需要找房的人提高安全可靠的购房体验。对北京贝壳找房网进行数据爬取

　　要达到的数据分析的预期目标是：

　　1，对爬取的房源信息进行可视化处理。

　　2，预期目标归类二手房源进行可视化处理。

二，爬虫设计方案

　　1，爬虫名称：

　　爬取北京贝壳找房网数据可视化处理。

　　2，爬虫爬取的内容与数据特征分析：

　　目标网站是北京贝壳找房网，其原理主要是通过Requests获取Json请求，从而得到北京市房源数据

　　3. 方案概述

　　分析网站页面结构，找到爬取数据的位置，根据不同的数据制定不同的爬取方法，将爬取的数据保存成csv文件，然后再将csv文件里的数据进行可视化处理。

　　第一步分析网站

　　第二步发送请求并获取Json数据

　　第三步获取北京市房源数据数据

　　第四步　绘制柱状图等

三，主题页面的结构特征分析

　　1，主题页面的结构与特性分析

　　通过浏览器“审查元素”查看源代码及“网络”反馈的消息（按f12可以获取），如下图所示：

　　网站html页面结构分析

四，爬虫程序设计

1. 数据的爬取

（1）北京市房源数据的爬取

import requests
import time
from multiprocessing import Pool
from lxml import etree
import pandas as pd
import os
import random

# 获取房源的基本url
# 参数page
def get_home_url(page):
    url = \'http://bj.ke.com/ershoufang/pg{}/\'.format(page)
    headers = {
        \'User-Agent\': \'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/80.0.3987.132 Safari/537.36\',
        \'Cookie\': \'lianjia_uuid=e6a91b7a-b6a4-40b5-88c6-ff67759cbc8a; crosSdkDT2019DeviceId=-51npj6--xbmlw5-f22i5qg8bh36ouv-yttqkmwdf; _ga=GA1.2.121082359.1579583230; ke_uuid=6de1afa21a5799c0874702af39248907; __xsptplus788=788.1.1579583230.1579583347.4%234%7C%7C%7C%7C%7C%23%23Q6jl-k46IlXjCORdTOp6O3JyzHokoUrb%23; select_city=110000; digv_extends=%7B%22utmTrackId%22%3A%2280418605%22%7D; lianjia_ssid=a4ab1bc0-cb04-492f-960c-342c66065da0; Hm_lvt_9152f8221cb6243a53c83b956842be8a=1583897013,1583932737; User-Realip=111.196.247.121; sensorsdata2015jssdkcross=%7B%22distinct_id%22%3A%2216fc67f100b140-06f07f8f707639-33365a06-1049088-16fc67f100c603%22%2C%22%24device_id%22%3A%2216fc67f100b140-06f07f8f707639-33365a06-1049088-16fc67f100c603%22%2C%22props%22%3A%7B%22%24latest_traffic_source_type%22%3A%22%E7%9B%B4%E6%8E%A5%E6%B5%81%E9%87%8F%22%2C%22%24latest_referrer%22%3A%22%22%2C%22%24latest_referrer_host%22%3A%22%22%2C%22%24latest_search_keyword%22%3A%22%E6%9C%AA%E5%8F%96%E5%88%B0%E5%80%BC_%E7%9B%B4%E6%8E%A5%E6%89%93%E5%BC%80%22%2C%22%24latest_utm_source%22%3A%22baidu%22%2C%22%24latest_utm_medium%22%3A%22pinzhuan%22%2C%22%24latest_utm_campaign%22%3A%22wybeijing%22%2C%22%24latest_utm_content%22%3A%22biaotimiaoshu%22%2C%22%24latest_utm_term%22%3A%22biaoti%22%7D%7D; Hm_lpvt_9152f8221cb6243a53c83b956842be8a=1583933576; srcid=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\'
    }
    text = requests.get(url,headers=headers).text
    html = etree.HTML(text)
    detail_url = html.xpath(\'//ul[@class="sellListContent"]//li[@class="clear"]/a/@href\')
    return detail_url

# 获取房源详细数据信息
def get_home_detail_infos(detail_url):
    headers = {
        \'User-Agent\': \'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/80.0.3987.132 Safari/537.36\',
        \'Cookie\': \'lianjia_uuid=e6a91b7a-b6a4-40b5-88c6-ff67759cbc8a; crosSdkDT2019DeviceId=-51npj6--xbmlw5-f22i5qg8bh36ouv-yttqkmwdf; _ga=GA1.2.121082359.1579583230; ke_uuid=6de1afa21a5799c0874702af39248907; __xsptplus788=788.1.1579583230.1579583347.4%234%7C%7C%7C%7C%7C%23%23Q6jl-k46IlXjCORdTOp6O3JyzHokoUrb%23; select_city=110000; digv_extends=%7B%22utmTrackId%22%3A%2280418605%22%7D; lianjia_ssid=a4ab1bc0-cb04-492f-960c-342c66065da0; Hm_lvt_9152f8221cb6243a53c83b956842be8a=1583897013,1583932737; User-Realip=111.196.247.121; sensorsdata2015jssdkcross=%7B%22distinct_id%22%3A%2216fc67f100b140-06f07f8f707639-33365a06-1049088-16fc67f100c603%22%2C%22%24device_id%22%3A%2216fc67f100b140-06f07f8f707639-33365a06-1049088-16fc67f100c603%22%2C%22props%22%3A%7B%22%24latest_traffic_source_type%22%3A%22%E7%9B%B4%E6%8E%A5%E6%B5%81%E9%87%8F%22%2C%22%24latest_referrer%22%3A%22%22%2C%22%24latest_referrer_host%22%3A%22%22%2C%22%24latest_search_keyword%22%3A%22%E6%9C%AA%E5%8F%96%E5%88%B0%E5%80%BC_%E7%9B%B4%E6%8E%A5%E6%89%93%E5%BC%80%22%2C%22%24latest_utm_source%22%3A%22baidu%22%2C%22%24latest_utm_medium%22%3A%22pinzhuan%22%2C%22%24latest_utm_campaign%22%3A%22wybeijing%22%2C%22%24latest_utm_content%22%3A%22biaotimiaoshu%22%2C%22%24latest_utm_term%22%3A%22biaoti%22%7D%7D; Hm_lpvt_9152f8221cb6243a53c83b956842be8a=1583933576; srcid=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\'
    }
    detail_text = requests.get(detail_url,headers=headers).text
    html = etree.HTML(detail_text)
    all_data = []
    # 解析获取相关数据
    # 所在地址
    home_location = html.xpath(\'//div[@data-component="overviewIntro"]//div[@class="content"]//div[@class="areaName"]/span[@class="info"]/a/text()\')
    all_data.append(home_location)
    # 小区名称
    local_name = html.xpath(\'//div[@data-component="overviewIntro"]//div[@class="content"]//div[@class="communityName"]/a/text()\')[0]
    all_data.append(local_name)
    # 总价格
    total_price = html.xpath(\'//div[@data-component="overviewIntro"]//div[@class="content"]//div[@class="price "]/span[@class="total"]/text()\')[0]
    all_data.append(total_price)
    # 单价
    unit_price = html.xpath(\'//div[@data-component="overviewIntro"]//div[@class="content"]//div[@class="price "]//div[@class="unitPrice"]/span/text()\')[0]
    all_data.append(unit_price)
    # 房屋基本信息
    home_style = html.xpath(\'//div[@class="introContent"]//div[@class="base"]//div[@class="content"]/ul/li/text()\')
    all_data.append(home_style)
    # 房屋交易属性信息
    transaction_info = html.xpath(\'//div[@class="introContent"]//div[@class="transaction"]//div[@class="content"]/ul/li/text()\')
    all_data.append(transaction_info)
    # 小区均价
    xiaoqu_price = html.xpath(\'//div[@class="xiaoquCard"]//div[@class="xiaoqu_main fl"]//span[@class="xiaoqu_main_info price_red"]/text()\')[0].replace(\' \',\'\')
    all_data.append(xiaoqu_price)
    # 小区建造时间
    xiaoqu_built_time = html.xpath(\'//div[@class="xiaoquCard"]//div[@class="xiaoqu_main fl"]//span[@class="xiaoqu_main_info"]/text()\')[0].replace(\' \',\'\').replace(\'\n\',\'\')
    all_data.append(xiaoqu_built_time)
    # 小区建筑类型
    xiaoqu_built_style = html.xpath(\'//div[@class="xiaoquCard"]//div[@class="xiaoqu_main fl"]//span[@class="xiaoqu_main_info"]/text()\')[1].replace(\' \',\'\').replace(\'\n\',\'\')
    all_data.append(xiaoqu_built_style)
    # 小区楼层总数
    xiaoqu_total_ceng = html.xpath(\'//div[@class="xiaoquCard"]//div[@class="xiaoqu_main fl"]//span[@class="xiaoqu_main_info"]/text()\')[2].replace(\' \',\'\').replace(\'\n\',\'\')
    all_data.append(xiaoqu_total_ceng)
    return all_data

# 数据保存至csv文件里（使用pandas中的to_csv保存）
def save_data(data):
    data_frame = pd.DataFrame(data,columns=[\'小区位置\',\'小区名称\',\'房屋总价\',\'房屋单价\',\'房屋基本信息\',\'房屋交易信息\',\'小区均价\',\'小区建造时间\',\'小区房屋类型\',\'小区层数\'])
    print(data_frame)
    data_frame.to_csv(\'beijing_fang111.csv\',header=False,index=False,mode=\'a\',encoding=\'utf_8_sig\')

def main(page):
    print(\'开始爬取第{}页的数据！\'.format(page))
    # choice_time = random.choice(range(0,5))
    # print(choice_time)
    
    urls = get_home_url(page)
    for url in urls:
        print(\'开始爬去详细网页为{}的房屋详细信息资料！\'.format(url))
        all_data = get_home_detail_infos(detail_url=url)
        data = []
        data.append(all_data)
        save_data(data)

if __name__ == "__main__":
    page = range(0,100)
    print(\'爬虫开始\')
    pool = Pool(processes=4)
    pool.map(main,page)
    # proxies = proxy.get_proxy_random()
    # pool.apply_async(main,args=(page,proxies,))
    pool.close()
    pool.join()

#结构截图

#对数据进行处理

import pandas as pd
import numpy as np
from matplotlib import pyplot as plt
import csv
data = pd.read_excel(r"F:\0_个人学习\beike_find_house.xlsx", header=None)

data.columns = [\'区/县\',\'区域\',\'小区\',\'总价\',\'单价\',\'房屋户型\',\'楼层\',\'总面积\',\'户型结构\',\'套内面积\',\'建筑类型\',\'朝向\',\'建筑结构\',\'装修情况\',\'梯户比例\',\'供暖方式\',\'配备电梯\',\'产权年限\',\'s\',\'交易权属\',\'u\',\'形式\',\'是否满五\',\'产权形式\',\'是否有房本\',\'小区均价\',\'小区建成\',\'style\',\'总栋数\']

data.head()

#结果截图

#数据清洗

data[\'装修情况\'] = data.apply(lambda x:x[\'建筑类型\'] if (\'南北\' in str(x[\'户型结构\'])) else x[\'装修情况\'],axis=1)

data[\'建筑结构\'] = data.apply(lambda x:x[\'套内面积\'] if (\'南北\' in str(x[\'户型结构\'])) else x[\'建筑结构\'],axis=1)

data[\'朝向\'] = data.apply(lambda x:x[\'户型结构\'] if (\'南北\' in str(x[\'户型结构\'])) else x[\'朝向\'],axis=1)

data[\'套内面积\'] = data.apply(lambda x:\'㎡\' if (\'南北\' in str(x[\'户型结构\'])) else x[\'套内面积\'],axis=1)

data[\'装修情况\'] = data.apply(lambda x:x[\'朝向\'] if (\'㎡\' in str(x[\'户型结构\'])) else x[\'装修情况\'],axis=1)

data[\'建筑结构\'] = data.apply(lambda x:x[\'建筑类型\'] if (\'㎡\' in str(x[\'户型结构\'])) else x[\'建筑结构\'],axis=1)

data[\'朝向\'] = data.apply(lambda x:x[\'套内面积\'] if (\'㎡\' in str(x[\'户型结构\'])) else x[\'朝向\'],axis=1)

data[\'套内面积\'] = data.apply(lambda x:\'㎡\' if (\'㎡\' in str(x[\'户型结构\'])) else x[\'套内面积\'],axis=1)

data[\'套内面积\'] = data.apply(lambda x:\'㎡\' if (\'暂无数据\' in str(x[\'套内面积\'])) else x[\'套内面积\'],axis=1)

data[\'装修情况\'] = data.apply(lambda x:x[\'装修情况\'] if (\'㎡\' in str(x[\'套内面积\'])) else x[\'建筑结构\'],axis=1)

data[\'建筑结构\'] = data.apply(lambda x:x[\'建筑结构\'] if (\'㎡\' in str(x[\'套内面积\'])) else x[\'朝向\'],axis=1)

data[\'朝向\'] = data.apply(lambda x:x[\'朝向\'] if (\'㎡\' in str(x[\'套内面积\'])) else x[\'建筑类型\'],axis=1)

data[\'建筑类型\'] = data.apply(lambda x:x[\'建筑类型\'] if (\'㎡\' in str(x[\'套内面积\'])) else x[\'套内面积\'],axis=1)

data[\'套内面积\'] = data.apply(lambda x:x[\'套内面积\'] if (\'㎡\' in str(x[\'套内面积\'])) else \'无信息\',axis=1)

data[\'装修情况\'] = data.apply(lambda x:x[\'建筑结构\'] if ((\'户\') in str(x[\'装修情况\'])) else x[\'装修情况\'],axis=1)

data[\'建筑结构\'] = data.apply(lambda x:x[\'朝向\'] if ((\'户\') in str(x[\'装修情况\'])) else x[\'建筑结构\'],axis=1)

data[\'朝向\'] = data.apply(lambda x:x[\'建筑类型\'] if ((\'户\') in str(x[\'装修情况\'])) else x[\'朝向\'],axis=1)

data[\'建筑结构\'] = data.apply(lambda x:x[\'朝向\'] if (\'结构\' in str(x[\'朝向\'])) else x[\'建筑结构\'],axis=1)

data[\'朝向\'] = data.apply(lambda x:x[\'建筑类型\'] if (\'结构\' in str(x[\'朝向\'])) else x[\'朝向\'],axis=1)

data[\'总楼层\'] = data.apply(lambda x:str(x[6])[3:].strip(\'(共\').strip(\'层)\'),axis=1)
data[\'楼层\'] = data.apply(lambda x:str(x[6])[:3],axis=1)
data[\'总面积\'] = data.apply(lambda x:str(x[7]).strip(\'㎡\'),axis=1)
data[\'小区均价\'] = data.apply(lambda x:str(x[-5]).strip(\'元/㎡\n\').strip(\'\n\'),axis=1)
data[\'小区建成\'] = data.apply(lambda x:str(x[-4])[:4],axis=1)
data[\'总栋数\'] = data.apply(lambda x:str(x[-2])[:-1],axis=1)

data.to_csv(\'after_deal_data.csv\',encoding=\'utf_8_sig\')

need_data = data[[\'区/县\',\'区域\',\'小区\',\'总价\',\'单价\',\'房屋户型\',\'楼层\',\'总面积\',\'朝向\',\'建筑结构\',\'装修情况\',\'交易权属\',\'形式\',\'是否满五\',\'产权形式\',\'是否有房本\',\'小区均价\',\'小区建成\',\'总栋数\']]

need_data.head()

#结果截图

need_data.info()

need_data.describe()

plt.rcParams[\'font.sans-serif\'] = [\'SimHei\'] # 步骤一（替换sans-serif字体）
plt.rcParams[\'axes.unicode_minus\'] = False   # 步骤二（解决坐标轴负数的负号显示问题）
fig, ax=plt.subplots()

\'\'\'
各区县房源分布情况！！！
\'\'\'
need_data[\'区/县\'].value_counts().plot(kind=\'bar\',color=[\'green\',\'red\',\'blue\',\'grey\',\'pink\'],alpha=0.5)
plt.title(\'北京二手房各区、县房源分布信息！\',fontsize=15)
plt.xlabel(\'区、县名称\',fontsize=15)
plt.ylabel(\'房源数量\',fontsize=15)
plt.grid(linestyle=":", color="r")
plt.xticks(rotation=60)
plt.legend()
plt.show()

#结果截图

\'\'\'
各区县房源均价分布情况！！！
\'\'\'
need_data.groupby(\'区/县\').mean()[\'单价\'].sort_values(ascending=True).plot(kind=\'barh\',color=[\'r\',\'g\',\'y\',\'b\'],alpha=0.5)
plt.title(\'北京二手房各区、县房屋均价分布信息！\',fontsize=15)
plt.xlabel(\'房屋均价\',fontsize=15)
plt.ylabel(\'区、县名称\',fontsize=15)
plt.grid(linestyle=":", color="r")
plt.legend()
plt.show()

#结果截图

\'\'\'
房屋户型情况
\'\'\'
room_style = need_data[\'房屋户型\'].value_counts()
print(room_style)
need_data[\'房屋户型\'].value_counts()[:10].plot(kind=\'bar\',color=\'grey\')
plt.title(\'北京二手房房屋户型情况\',fontsize=15,color=\'red\')
plt.xlabel(\'房屋户型\',fontsize=15)
plt.ylabel(\'房源数量\',fontsize=15)
plt.grid(linestyle=":", color="r")
plt.legend()
plt.xticks(rotation=60)
# ax.spines[\'top\'].set_visible(False)
# ax.spines[\'right\'].set_visible(False)
plt.show()

need_data[need_data.房屋户型 == \'1室0厅2卫\']

# 北京二手房总价最大、最小值及其房源信息
total_price_min = need_data[\'总价\'].min()
total_price_min_room_info = need_data[need_data.总价==total_price_min]
print(\'二手房总价最低价位为：\n{}\'.format(total_price_min))
print(\'二手房总价最低的房源信息为：\n{}\'.format(total_price_min_room_info))
total_price_max = need_data[\'总价\'].max()
total_price_max_room_info = need_data[need_data.总价==total_price_max]
print(\'二手房总价最高价位为：\n{}\'.format(total_price_max))
print(\'二手房总价最低的房源信息为：\n{}\'.format(total_price_max_room_info))

#  绘制总面积和总价的散点关系图
home_area = need_data[\'总面积\'].apply(lambda x:float(x))
# print(home_area.head())
total_price = need_data[\'总价\']
# print(total_price.head())
plt.scatter(home_area,total_price,s=3)
plt.title(\'北京二手房房屋户型情况\',fontsize=15)
plt.xlabel(\'房屋面积\',fontsize=15)
plt.ylabel(\'房源总价\',fontsize=15)
plt.grid(linestyle=":", color="r")
plt.show()

#  分析两个面积大但是价格较低的房源
area_max = home_area.max()
area_max_room_info = need_data[home_area==area_max]
print(\'二手房面积最大的房源信息为：\n{}\'.format(area_max_room_info))

\'\'\'
装修情况的房源分布情况！！！
\'\'\'
need_data[\'装修情况\'].value_counts().plot(kind=\'bar\',color=[\'g\',\'r\',\'y\',\'b\'],alpha=0.5)
plt.title(\'北京二手房装修情况的房源分布信息！\',fontsize=15)
plt.xlabel(\'装修类型\',fontsize=15)
plt.ylabel(\'房屋均价\',fontsize=15)
plt.grid(linestyle=":", color="r")
plt.legend()
plt.xticks(rotation=0)
plt.show()


\'\'\'
装修情况的均价分布情况！！！
\'\'\'
need_data.groupby(\'装修情况\').mean()[\'单价\'].plot(kind=\'bar\',color=[\'g\',\'r\',\'y\',\'b\'],alpha=0.5)
plt.title(\'北京二手房装修与房屋均价分布信息！\',fontsize=15)
plt.xlabel(\'装修类型\',fontsize=15)
plt.ylabel(\'房屋均价\',fontsize=15)
plt.grid(linestyle=":", color="r")
plt.legend()
plt.xticks(rotation=0)
plt.show()

# 小区均价数据的清洗处理
# 由于小区均价中存在暂无数据的情况，本次使用单价的形式代替房屋均价
need_data = need_data.copy()
need_data[\'小区均价\'] = need_data.apply(lambda x: x[\'单价\'] if (\'暂无数据\' in str(x[\'小区均价\'])) else x[\'小区均价\'],axis=1)
avg_price = need_data[\'小区均价\'].astype(\'float\')
print(\'小区均价最高的价格是：{}\'.format(avg_price.max()))
print(\'小区均价最低的价格是：{}\'.format(avg_price.min()))

# 小区均价最低的房源信息
need_data[need_data[\'小区均价\'].astype(\'float\')==avg_price.min()]

# 小区均价最高的房源信息
need_data[need_data[\'小区均价\'].astype(\'float\')==avg_price.max()]

# 将未有小区建成时间的数据字段直接剔除（2个）
need_data[need_data.小区建成==\'暂无数据\']

# 剔除小区建成时间为暂无数据的两条数据
try:
    need_data = need_data.drop([1931,2527])
except:
    print(\'数据已经剔除！！！\')
need_data[need_data.小区建成==\'暂无数据\']
# 将小区建成时间转成日期并仅提取其中的年份
built_year = pd.to_datetime(need_data.小区建成).dt.year
# 绘制小区建成年限与小区均价的散点分布图
plt.scatter(built_year,need_data[\'小区均价\'].astype(float),s=6)
plt.title(\'北京二手房小区建成年份与均价分布信息！\',fontsize=15)
plt.xlabel(\'小区建成年份\',fontsize=15)
plt.ylabel(\'房屋均价\',fontsize=15)
plt.grid(linestyle=":", color="r")
plt.xticks(rotation=0)
plt.show()

# 分析房屋的产权形式（得出结论有两种）
need_data[\'产权形式\'].value_counts()

need_data[\'楼层\'].value_counts()
need_data[need_data[\'楼层\']==\'未知(\']
try:
    need_louceng_data = need_data.drop(1340)
except:
    print(\'楼层未知的已删除！\')
need_louceng_data[need_louceng_data[\'楼层\']==\'未知(\']
plt.figure(figsize=(7,7))
need_louceng_data[\'楼层\'].value_counts().plot(kind=\'pie\',autopct=\'%1.1f%%\',shadow=False,startangle=150)
plt.title(\'北京二手房楼层房源数量分布图\',fontsize=15)
plt.xticks(rotation=30)
plt.grid(linestyle=":", color="g")
plt.show()

avg_price_louceng = need_louceng_data.groupby(\'楼层\').mean()[\'单价\']
avg_price_louceng.plot(kind=\'bar\',color=[\'g\',\'r\',\'y\',\'b\'],alpha=0.5)
plt.title(\'北京二手房楼层与房屋均价分布信息！\',fontsize=15)
plt.xlabel(\'楼层信息\',fontsize=15)
plt.ylabel(\'房屋均价\',fontsize=15)
plt.grid(linestyle=":", color="g",alpha=0.4)
plt.legend()
plt.xticks(rotation=0)
plt.show()

五，总结

这次的主题爬虫爬的是北京贝壳找房网的网站，相对来说进行的还是比较不顺利的，该网站设置了反爬限制。在数据的可视化上，大部分都还好，想要的也达到了我的预期效果。现在很多网站是用JSON存储数据或者用JS动态加载数据的，因此之后会多学习这些方面的知识。