快捷導(dǎo)航

Python采集二手車數(shù)據(jù)的超詳細講解

更新時間：2023年04月18日 11:31:26 作者：極客飛虎

這篇文章主要為大家介紹了Python采集二手車數(shù)據(jù)實現(xiàn)的超詳細講解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進步，早日升職加薪

數(shù)據(jù)采集

XPath，XML路徑語言的簡稱。XPath即為XML路徑語言（XML Path Language），它是一種用來確定XML文檔中某部分位置的語言。XPath主要用于解析XML文檔，可以用來獲取XML文檔中某個元素的位置、屬性值等信息。XPath可以用于XML文檔解析、XML數(shù)據(jù)抽取、XML路徑匹配等方面。

發(fā)送請求

首先，我們要進行數(shù)據(jù)來源分析，知道我們的需求是什么？

明確需求:

明確采集網(wǎng)站是什么?
明確采集數(shù)據(jù)是什么?

車輛基本信息

然后，我們分析車輛基本信息數(shù)據(jù), 具體是請求那個網(wǎng)址可以得到我們想要的數(shù)據(jù)。

通過開發(fā)者工具, 進行抓包分析:

打開開發(fā)者工具: F12 / 鼠標(biāo)右鍵點擊檢查選擇network

刷新網(wǎng)頁: 讓本網(wǎng)頁數(shù)據(jù)內(nèi)容重新加載一遍 <方便分析數(shù)據(jù)出處>

搜索數(shù)據(jù)來源: 復(fù)制你想要的內(nèi)容, 進行搜索即可

    import requests
    url = 'https://www.che168.com/china/a0_0msdgscncgpi1ltocsp1exx0/'
    header = {
        'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/111.0.0.0 Safari/537.36'}
    res = requests.get(url,headers=headers)

我們和之前一樣，獲取數(shù)據(jù)，我們會發(fā)現(xiàn)，車輛的基本信息就在網(wǎng)頁源代碼中，我們今天就用xpath的方法來解析數(shù)據(jù)。

解析數(shù)據(jù)

接下來，我們用xpath解析數(shù)據(jù)。我們用開發(fā)者工具定位到標(biāo)簽位置。

我們通過網(wǎng)頁源代碼，我們可以獲取到每一個網(wǎng)頁的url。

    selector=parsel.Selector(res.text)
    detail_url_list = selector.xpath('//ul[@class="viewlist_ul"]/li/a[@class="carinfo"]/@href').getall()

我們可以看到，得到下面數(shù)據(jù)。

我們會發(fā)現(xiàn)，我們得到了兩種網(wǎng)頁，所以，在這里我們拼接網(wǎng)頁就需要注意，這里，我不多說，直接看我是怎么寫的。

        if detail_url.split('/') == '':
            detail_url = 'https:'+detail_url
        else:
            detail_url = 'https://www.che168.com'+detail_url

這樣，我們就得到了每一個車輛信息的數(shù)據(jù)網(wǎng)頁，看看運行之后的效果吧。

接下來，我們就依次訪問某個鏈接，獲取我們想要的數(shù)據(jù)。

    responses = requests.get(detail_url,headers=headers)
    detail_selector = parsel.Selector(responses.text)

我用不同顏色標(biāo)注的，就是我們這次想要獲取的數(shù)據(jù)，我們這里以車輛名稱為例，講解下path如何寫。

title = detail_selector.xpath('string(//h3[@class="car-brand-name"])').get("").strip()

我們看看網(wǎng)頁源代碼是如何得到的xpath。

可能有人就要問了，這個

("").strip()

是什么意思？這個就是去除空格的，只是為了后期數(shù)據(jù)的美觀。

后面的我就不一一展示了，我直接放代碼了，不懂的在評論區(qū)交流。

tableShowMileage = detail_selector.xpath('//ul[@class="brand-unit-item fn-clear"]/li[1]/h4/text()').get("").strip()
theRegistrationTime = detail_selector.xpath('//ul[@class="brand-unit-item fn-clear"]/li[2]/h4/text()').get("").strip()
blockADisplacement = detail_selector.xpath('//ul[@class="brand-unit-item fn-clear"]/li[3]/h4/text()').get("").strip()
addr = detail_selector.xpath('//ul[@class="brand-unit-item fn-clear"]/li[4]/h4/text()').get("").strip()
guobiao = detail_selector.xpath('//ul[@class="brand-unit-item fn-clear"]/li[5]/h4/text()').get("").strip()
price = detail_selector.xpath('string(//span[@id="overlayPrice"])').get()

我們打印這些數(shù)據(jù)，看看效果吧。

可能大家注意到了，有返回空值的，這個可能就是被反爬，大家感興趣可以用代理IP試試。

保存數(shù)據(jù)

和我們上一篇一樣，我們先寫入字典，然后在寫入csv文件里面。

        dit ={
            '車輛':title,
            '表顯里程':tableShowMileage,
            '上牌時間':theRegistrationTime,
            '擋位/排量':blockADisplacement,
            '車輛所在地':addr,
            '查看限遷地':guobiao,
            '價格':price,
        }
        csv_writer.writerow(dit)

大家感興趣還可以獲取車輛信息更詳細的數(shù)據(jù)，其實原理都是一樣的。