python爬虫练习——爬取链家二手房信息（基础篇）

# -*- coding:utf-8 -*-
from lxml import etree
import requests

total_money = 0
total_number = 0
headers = {'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_13_3) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/65.0.3325.162 Safari/537.36'
}
for i in range(1,101):
    url = "https://bj.lianjia.com/ershoufang/pg" + str(i) + "/"

    response = requests.get(url,headers = headers)
    response.encoding = 'utf8'
    html = response.text

    root = etree.HTML(html)

    node_list = root.xpath("//div/@data-price")    #data-price = "51891"

    total_number += len(node_list)
    for node in node_list:
        total_money += float(node)


average = total_money // total_number
print average

　　上文中，最后输出的是单价平均数。

　　先说下简单思路。观察发现，链家二手房北京地区总共展示了100页，首先想到的是将这100页的房源单价信息加总起来，然后再把这100页的房源数加起来，相除便可获得单价的平均数。

　　上面的程序跑完后，的确可以跑出一个平均数。但最开始观察就发现，页面显示的总房源有好几万套，而当前展示的100页的套数3000（100*30）和总数差的可不是丁点。所以想到肯定还有n多页没有展示出来，突然又意识到，地址上我配置成101会不会就显示出101页呢？有一瞬间竟为自己的小聪明窃喜过、、、结果，试了后，当然不行，早该想到没有这么简单！

　　发现了问题后，也就知道下一步要做什么了。后续的将再一步一步完善了。

标签：node,101,python,money,list,链家,爬取,100,total
来源： https://www.cnblogs.com/python-kp/p/11418873.html