scrapy 利用urljoin实现自动翻页 蛋壳租房房源信息

本文介绍了一个使用Scrapy框架的Danke租房信息爬虫项目,详细解析了项目结构、模块划分、请求发送、数据解析及存储流程。通过XPath提取房源、价格与状态信息,并利用MongoDB进行数据持久化。

一。项目结构

在这里插入图片描述

二。模块划分

1.dankespider

import scrapy
from ..items import ZufangItem

headers = {
    'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/74.0.3729.131 Safari/537.36'
}

class Danke_Spider(scrapy.Spider):
    name = 'danke'

    def start_requests(self):
        url = 'https://www.danke.com/room/sh'

        yield scrapy.Request(url=url,headers=headers)

    def parse(self, response):
        house = response.xpath('//div[@class="r_lbx_cena"]/a/text()').getall()
        money = response.xpath('//div[@class="r_lbx_moneya"]/span/text()').getall()
        status = response.xpath('//div[@class="r_lbx_cenb"]').xpath('string(.)').getall()
        print(house,money,status)
        print(len(house),len(money),len(status))
        print(type(house),type(money),type(status))

        for i in range(len(house)):
            info = ZufangItem()
            #清洗数据
            house[i] = house[i].replace(' ','')
            status[i] = status[i].replace(' ','')


            info['house'] = house[i]
            info['money'] = money[i]
            info['status'] = status[i]
            yield info

        #下一页
        next_page = response.xpath('/html/body/div[3]/div/div[6]/div[3]/a/@href').getall()[-1]
        print(next_page)

        if next_page is not None:
            print('进入下一页了啊')
            next_page = response.urljoin(next_page)
            yield scrapy.Request(next_page,callback=self.parse)

在这里插入图片描述
分析:先获取div下的所有a标签href组成的列表,然后取最后一个href
即:response.xpath(’/html/body/div[3]/div/div[6]/div[3]/a/@href’).getall()[-1]

2.items

# -*- coding: utf-8 -*-

# Define here the models for your scraped items
#
# See documentation in:
# https://docs.scrapy.org/en/latest/topics/items.html

import scrapy


class ZufangItem(scrapy.Item):
    # define the fields for your item here like:
    # name = scrapy.Field()
    house = scrapy.Field()
    money = scrapy.Field()
    status = scrapy.Field()

3.pipelines
使用mongoDB数据库

# -*- coding: utf-8 -*-

# Define your item pipelines here
#
# Don't forget to add your pipeline to the ITEM_PIPELINES setting
# See: https://docs.scrapy.org/en/latest/topics/item-pipeline.html

import pymongo

conn = pymongo.MongoClient(host='localhost',port=27017)

mydb = conn.test

myset = mydb.zufang

class ZufangPipeline(object):
    def process_item(self, item, spider):
        print('插入信息')
        informations = {
            'house':item['house'],
            'money':item['money'],
            'status':item['status'],
        }

        myset.insert(informations)
        return item

4.settings

# -*- coding: utf-8 -*-

# Scrapy settings for zufang project
#
# For simplicity, this file contains only settings considered important or
# commonly used. You can find more settings consulting the documentation:
#
#     https://docs.scrapy.org/en/latest/topics/settings.html
#     https://docs.scrapy.org/en/latest/topics/downloader-middleware.html
#     https://docs.scrapy.org/en/latest/topics/spider-middleware.html

BOT_NAME = 'zufang'

SPIDER_MODULES = ['zufang.spiders']
NEWSPIDER_MODULE = 'zufang.spiders'


# Crawl responsibly by identifying yourself (and your website) on the user-agent
#USER_AGENT = 'zufang (+http://www.yourdomain.com)'

# Obey robots.txt rules
ROBOTSTXT_OBEY = False

# Configure maximum concurrent requests performed by Scrapy (default: 16)
#CONCURRENT_REQUESTS = 32

# Configure a delay for requests for the same website (default: 0)
# See https://docs.scrapy.org/en/latest/topics/settings.html#download-delay
# See also autothrottle settings and docs
#DOWNLOAD_DELAY = 3
# The download delay setting will honor only one of:
#CONCURRENT_REQUESTS_PER_DOMAIN = 16
#CONCURRENT_REQUESTS_PER_IP = 16

# Disable cookies (enabled by default)
#COOKIES_ENABLED = False

# Disable Telnet Console (enabled by default)
#TELNETCONSOLE_ENABLED = False

# Override the default request headers:
#DEFAULT_REQUEST_HEADERS = {
#   'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8',
#   'Accept-Language': 'en',
#}

# Enable or disable spider middlewares
# See https://docs.scrapy.org/en/latest/topics/spider-middleware.html
#SPIDER_MIDDLEWARES = {
#    'zufang.middlewares.ZufangSpiderMiddleware': 543,
#}

# Enable or disable downloader middlewares
# See https://docs.scrapy.org/en/latest/topics/downloader-middleware.html
#DOWNLOADER_MIDDLEWARES = {
#    'zufang.middlewares.ZufangDownloaderMiddleware': 543,
#}

# Enable or disable extensions
# See https://docs.scrapy.org/en/latest/topics/extensions.html
#EXTENSIONS = {
#    'scrapy.extensions.telnet.TelnetConsole': None,
#}

# Configure item pipelines
# See https://docs.scrapy.org/en/latest/topics/item-pipeline.html
ITEM_PIPELINES = {
   'zufang.pipelines.ZufangPipeline': 300,
}

# Enable and configure the AutoThrottle extension (disabled by default)
# See https://docs.scrapy.org/en/latest/topics/autothrottle.html
#AUTOTHROTTLE_ENABLED = True
# The initial download delay
#AUTOTHROTTLE_START_DELAY = 5
# The maximum download delay to be set in case of high latencies
#AUTOTHROTTLE_MAX_DELAY = 60
# The average number of requests Scrapy should be sending in parallel to
# each remote server
#AUTOTHROTTLE_TARGET_CONCURRENCY = 1.0
# Enable showing throttling stats for every response received:
#AUTOTHROTTLE_DEBUG = False

# Enable and configure HTTP caching (disabled by default)
# See https://docs.scrapy.org/en/latest/topics/downloader-middleware.html#httpcache-middleware-settings
#HTTPCACHE_ENABLED = True
#HTTPCACHE_EXPIRATION_SECS = 0
#HTTPCACHE_DIR = 'httpcache'
#HTTPCACHE_IGNORE_HTTP_CODES = []
#HTTPCACHE_STORAGE = 'scrapy.extensions.httpcache.FilesystemCacheStorage'

5.main

from scrapy import cmdline

cmdline.execute(['scrapy','crawl','danke'])
内容概要:本文提出了一种基于瞬态三角哈里斯鹰算法(TTHHO)的多无人机协同集群在三维空间中的避障路径规划方法,旨在通过优化路径长度、飞行高度、威胁规避和转弯角度等关键因素,实现以最低综合成本为目标的全局路径规划。该方法结合智能优化算法与多智能体协同机制,在复杂三维环境中有效解决动态障碍物规避与飞行安全性问题,并通过Matlab平台进行算法编码实现与仿真实验,验证了其在路径最优性、收敛速度和避障能力方面的优越性能。研究涵盖了三维空间建模、目标函数构建、约束条件处理及多无人机协同策略设计,提升了无人机系统在实际应用场景中的自主导航与智能化决策水平。; 适合人群:具备一定编程基础,熟练掌握Matlab仿真环境,从事无人机路径规划、智能优化算法、多智能体协同控制等相关方向研究的科研人员、工程技术人员及研究生。; 使用场景及目标:① 实现多无人机在复杂三维环境下的协同避障路径规划,确保飞行安全与任务效率;② 研究基于哈里斯鹰算法及其改进版本(如TTHHO)的智能优化机制在路径规划中的应用;③ 推动多目标优化(路径最短、能耗最低、威胁最小、飞行平稳)下无人机自主导航系统的开发与落地; 阅读建议:此资源以Matlab代码实现为核心支撑,建议读者深入理解TTHHO算法原理的基础上,结合文中提供的仿真模型进行代码调试与参数调优,进一步探索不同环境设置和约束条件下算法的适应性与鲁棒性,鼓励通过扩展威胁模型或引入通信延迟等现实因素开展深化研究。
内容概要:本文档聚焦于“三相并网逆变器虚拟阻抗+统一有源阻尼策略SVPWM+SPWM调制仿真”这一核心技术主题,系统研究了在三相并网逆变系统中引入虚拟阻抗与统一有源阻尼的控制策略,旨在提升系统在弱电网条件下的稳定性、动态响应能力及并网电能质量。通过Simulink仿真平台,详细构建了包含SVPWM(空间矢量脉宽调制)与SPWM(正弦脉宽调制)两种主流调制方式的控制系统模型,深入对比分析了不同调制策略对系统性能的影响,并验证了所提出策略在抑制LC谐振、降低电流畸变、增强系统鲁棒性方面的有效性。文档还整合了大量电力电子与新能源领域的相关仿真研究案例,涵盖光伏逆变、储能控制、微电网调度、VSG控制等多个方向,展现出丰富的技术内涵和扎实的工程应用背景。; 适合人群:适用于具备电力电子技术、自动控制理论及新能源发电系统等相关专业知识背景的科研人员、电气工程类研究生以及从事并网逆变器、微电网控制、电力系统仿真等方向的工程技术人员。; 使用场景及目标:① 深入理解并掌握虚拟阻抗与统一有源阻尼技术在三相并网逆变器中的设计原理与实现方法;② 对比分析SVPWM与SPWM调制策略在系统稳定性、谐波抑制和动态性能上的差异;③ 基于Simulink平台进行逆变器并网控制算法的建模、仿真与验证,服务于高水平科研项目、学位论文撰写或实际工程项目开发。; 阅读建议:建议读者结合文档中提及的Simulink仿真模型及相关代码资源,亲自动手搭建和调试核心控制回路,重点关注虚拟阻抗的参数整定、电流内环与电压外环的协同控制结构、以及SVPWM/SPWM调制模块的具体实现细节,从而深化对系统稳定机理和高性能控制策略的理解。
内容概要:抠图王是一款基于AI技术的智能图片处理工具,核心功能包括一键智能抠图、制作商品白底图、处理人像抠图、移除图片水印、生成标准证件照、修复老照片画质、输出透明PNG图、去彩边净化边缘以及批量处理商品图等。软件通过先进的深度学习模型精准识别主体边缘,实现高效、精准的图像分割与后续处理。 适用人群:本软件广泛适用于电商卖家、摄影师、平面设计师、社交媒体运营者、普通家庭用户以及需要经常处理图片的办公人员。无论是专业设计还是日常修图,都能从中获得便利。 使用场景及目标:典型使用场景包括电商卖家快速制作统一风格的商品图和详情页主图;摄影爱好者移除照片中的路人或杂物,获得干净的人像作品;家庭用户修复泛黄模糊的老照片,保留珍贵回忆;个人用户制作证件照或社交头像,去除图片中的水印等。通过一键式操作,大幅缩短图像处理时间,提升工作效率,使用户无需具备专业技能即可获得专业效果。 其他说明:软件支持Windows操作系统,提供绿色免安装版本,下载后即可直接运行。核心图像处理过程在本地内存中完成,不长期保存图片文件,保护用户隐私。部分功能需要联网进行AI推理,但用户数据不会上传至服务器,确保安全。软件界面简洁,操作直观,适合各类用户快速上手。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值