Python爬虫：汽车之家爬虫（完整代码）

⭐️⭐️⭐️⭐️⭐️欢迎来到我的博客⭐️⭐️⭐️⭐️⭐️

作者：秋无之地

简介：CSDN爬虫、后端、大数据领域创作者。目前从事python爬虫、后端和大数据等相关工作，主要擅长领域有：爬虫、后端、大数据开发、数据分析等。

欢迎小伙伴们点赞、收藏⭐️、留言、关注，关注必回关

一、确定目标数据

1、先打开目标网站，找到目标数据所在的页面

​

2、找到目标数据所在的api或页面

通过f12打开调试模式，通过搜索关键词，找到关键词所在的api或页面

3、观察请求参数

1）header参数：没有加密数据，无需登录因此不用cookie

2）翻页：url参数变动了，0-1表示第一页，0-3表示第三页。

二、请求接口

使用requests库请求接口，返回数据

    def get_data(self,page=1):        '''请求接口'''        url = f"https://car.autohome.com.cn/price/list-15_20-0-0-0-0-0-0-0-0-0-0-0-0-0-0-{page}.html"        res = requests.get(url=url, headers=self.header).text        # print(res)        #返回数据        if '用户评分' in res:            return res        else:            return ""

三、数据解析

将返回的数据进行正则匹配，然后通过遍历提取目标数据

 def data_deal(self,data_text=None):        '''数据解析'''        new_list = []        #详情链接+车名        url_name_li = re.findall(r'(.*?)',data_text)        #用户评分        score_number_li = re.findall(r'(.*?)',data_text)        #级别        info_gray_li = re.findall(r'别：(.*?)',data_text)        #官方指导价        price_li = re.findall(r'指导价：(.*?)',data_text)        for i in range(len(url_name_li)):            url_id1,url_id2,car_name = url_name_li[i]            # 详情链接            info_url = f'https://car.autohome.com.cn/price/series-{url_id1}.html#pvareaid={url_id2}'            # 用户评分            score_number = score_number_li[i]            # 级别            info_gray = info_gray_li[i]            # 官方指导价            price = price_li[i]            new_list.append([car_name,info_url,score_number,info_gray,price])        return new_list

四、数据存储

数据解析后，对数据进行拼接，然后持久化，存在csv文件

    def data_to_csv(self,data_li=None):        '''数据存储'''        df = pd.DataFrame(data_li)        df.to_csv("test2.csv", index=False)

文件内容：

五、完整代码

完整代码如下：

# -*- coding: utf-8 -*-import mathimport reimport requestsimport pandas as pdclass Car_home_class():    '''汽车之家'''    def __init__(self):        self.header = {            "User-Agent":"Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/116.0.0.0 Safari/537.36",            "Referer":"https://car.autohome.com.cn/price/list-15_20-0-0-0-0-0-0-0-0-0-0-0-0-0-0-1.html",        }    def get_data(self,page=1):        '''请求接口'''        url = f"https://car.autohome.com.cn/price/list-15_20-0-0-0-0-0-0-0-0-0-0-0-0-0-0-{page}.html"        res = requests.get(url=url, headers=self.header).text        # print(res)        #返回数据        if '用户评分' in res:            return res        else:            return ""    def data_deal(self,data_text=None):        '''数据解析'''        new_list = []        #详情链接+车名        url_name_li = re.findall(r'(.*?)',data_text)        #用户评分        score_number_li = re.findall(r'(.*?)',data_text)        #级别        info_gray_li = re.findall(r'别：(.*?)',data_text)        #官方指导价        price_li = re.findall(r'指导价：(.*?)',data_text)        for i in range(len(url_name_li)):            url_id1,url_id2,car_name = url_name_li[i]            # 详情链接            info_url = f'https://car.autohome.com.cn/price/series-{url_id1}.html#pvareaid={url_id2}'            # 用户评分            score_number = score_number_li[i]            # 级别            info_gray = info_gray_li[i]            # 官方指导价            price = price_li[i]            new_list.append([car_name,info_url,score_number,info_gray,price])        return new_list    def data_to_csv(self,data_li=None):        '''数据存储'''        df = pd.DataFrame(data_li)        df.to_csv("test2.csv", index=False)    def run(self):        # 翻页获取数据        all_list = []        all_list.append(["车名", "详情链接", "用户评分", "级别", "官方指导价"])        #爬取10页        for page in range(1,2):            print("当前页数：",page)            data_text = self.get_data(page=page)            out_date = self.data_deal(data_text=data_text)            print("*"*100)            print(out_date)            all_list += out_date            self.data_to_csv(data_li=all_list)if __name__ == '__main__':    ddc = Car_home_class()    ddc.run()

六、总结

Python爬虫主要分三步：

1. 请求接口
2. 数据解析
3. 数据存储

版权声明

本文章版权归作者所有，未经作者允许禁止任何转载、采集，作者保留一切追究的权利。