python爬虫：案例三：去哪儿酒店价格信息

#去哪儿单页面数据爬取：#coding=utf-8import sysreload(sys)sys.setdefaultencoding( "utf-8" )import urllibfrom selenium import webdriverimport timefrom bs4 import BeautifulSoupimport requestsimport osfrom selenium.webdriver.common.action_chains import ActionChainsflie_path='file:///'+os.path.abspath('test.html')#flie_path="http://hotel.qunar.com/city/hangzhou/dt-11571/?tag=hangzhou#fromDate=2016-05-24&toDate=2016-05-25&q=%E5%A6%82%E5%AE%B6%E5%BF%AB%E6%8D%B7%E6%9D%AD%E5%B7%9E%E8%A5%BF%E6%B9%96%E9%BB%84%E9%BE%99%E6%97%85%E6%B8%B8%E9%9B%86%E6%95%A3%E4%B8%AD%E5%BF%83%E5%BA%97&from=qunarHotel|sug&fromFocusList=0&filterid=eaa9982b-b203-4ed2-bf7e-e063936143c3_A&showMap=0&qptype=hotelName|poi&haspoi=1&QHFP=ZSS_A7D48C73"class Xc():def pc(self):driver = webdriver.PhantomJS()time.sleep(5)driver.get(flie_path)driver.implicitly_wait(30)time.sleep(5)dic={}aa = driver.find_elements_by_class_name('hotel-quote-list')for a in aa:lists=[]bb=a.find_elements_by_class_name('js-dprice')for b in bb:print b.text.strip()[1:]lists.append(b.text.strip()[1:])dic[a.find_element_by_class_name('rtype').find_element_by_tag_name('h2').text]=listsdriver.quitreturn dics=Xc()print s.pc()

结果：

212237212218218237256236236237237265237244244265265244244265254284254269284{u'\u5927\u5e8a\u623f': [u'237', u'256', u'236', u'236', u'237'], u'\u7279\u60e0\u5546\u52a1\u623f(\u65e0\u7a97)': [u'265', u'265', u'244', u'244', u'265'], u'\u5355\u4eba\u623f': [u'212', u'237', u'212', u'218', u'218'], u'\u6807\u51c6\u53cc\u4eba\u623f': [u'254', u'284', u'254', u'269', u'284'], u'\u7279\u60e0\u53cc\u4eba\u95f4': [u'237', u'265', u'237', u'244', u'244']}

这个只是一个简单的模型，数字是价格，unicode 是房型，上面的程序爬的是一个html文件，因为我这里的网速实在太慢，于是我把浏览器f12后的源码保存在一个html文件中爬取数据，这个页面的url我也贴在上面

上面的代码有点问题，取到的数据不全，因为有些价格信息被隐藏了，看页面上会有“查看其他3条报价”之类的超链接

改一下代码：

#coding=utf-8import sysreload(sys)sys.setdefaultencoding( "utf-8" )import urllibfrom selenium import webdriverimport timefrom bs4 import BeautifulSoupimport requestsimport osfrom selenium.webdriver.common.action_chains import ActionChainsflie_path='file:///'+os.path.abspath('test.html')#flie_path="http://hotel.qunar.com/city/hangzhou/dt-11571/?tag=hangzhou#fromDate=2016-05-24&toDate=2016-05-25&q=%E5%A6%82%E5%AE%B6%E5%BF%AB%E6%8D%B7%E6%9D%AD%E5%B7%9E%E8%A5%BF%E6%B9%96%E9%BB%84%E9%BE%99%E6%97%85%E6%B8%B8%E9%9B%86%E6%95%A3%E4%B8%AD%E5%BF%83%E5%BA%97&from=qunarHotel|sug&fromFocusList=0&filterid=eaa9982b-b203-4ed2-bf7e-e063936143c3_A&showMap=0&qptype=hotelName|poi&haspoi=1&QHFP=ZSS_A7D48C73"class Xc():def pc(self):driver = webdriver.PhantomJS()time.sleep(5)driver.get(flie_path)driver.implicitly_wait(30)time.sleep(5)dic={}aa = driver.find_elements_by_class_name('hotel-quote-list')for a in aa:lists=[]left=a.find_element_by_class_name("js-expand-more")#找到“查看其他3条报价”的节点ActionChains(driver).click_and_hold(left).perform()#模拟点击driver.implicitly_wait(30)time.sleep(5)bb=a.find_elements_by_class_name('js-dprice')for b in bb:print b.text.strip()[1:]lists.append(b.text.strip()[1:])dic[a.find_element_by_class_name('rtype').find_element_by_tag_name('h2').text]=listsdriver.quitreturn dics=Xc()print s.pc()

模拟鼠标点击，展开整个节点

因为我是本地文件所以模拟也没有效果，不过过程中没有报错，理论上应该没有错误，如果有错误请指正！

上面的代码还是不能抓到完全的价格数据，去哪儿会把最后几个房型的价格隐藏住，需要点开“展开报价”，然后再点开“查看其他3条报价”之类的超链接，才能看到全部价格！

webdriver的class定位好像有点问题，find_element_by_class_name()中的class如果有空格就会报错，无法解析，所以我改用xpath

#coding=utf-8import sysreload(sys)sys.setdefaultencoding( "utf-8" )import urllibfrom selenium import webdriverimport timefrom bs4 import BeautifulSoupimport requestsimport osfrom selenium.webdriver.common.action_chains import ActionChainsflie_path='file:///'+os.path.abspath('test.html')#flie_path="http://hotel.qunar.com/city/hangzhou/dt-11571/?tag=hangzhou#fromDate=2016-05-24&toDate=2016-05-25&q=%E5%A6%82%E5%AE%B6%E5%BF%AB%E6%8D%B7%E6%9D%AD%E5%B7%9E%E8%A5%BF%E6%B9%96%E9%BB%84%E9%BE%99%E6%97%85%E6%B8%B8%E9%9B%86%E6%95%A3%E4%B8%AD%E5%BF%83%E5%BA%97&from=qunarHotel|sug&fromFocusList=0&filterid=eaa9982b-b203-4ed2-bf7e-e063936143c3_A&showMap=0&qptype=hotelName|poi&haspoi=1&QHFP=ZSS_A7D48C73"class Xc():def pc(self):driver = webdriver.PhantomJS()time.sleep(5)driver.get(flie_path)driver.implicitly_wait(30)time.sleep(5)dic={}aa=driver.find_elements_by_xpath("//div[@class='room-item-inner room-item-wrapper']")for a in aa:lists=[]left_ll=a.find_element_by_xpath("//p[@class='btn-book-ct']/a")ActionChains(driver).click_and_hold(left_ll).perform()time.sleep(5)left=a.find_element_by_xpath("//a[@class='js-expand-more']")#找到“查看其他3条报价”的节点ActionChains(driver).click_and_hold(left).perform()#模拟点击driver.implicitly_wait(30)time.sleep(5)bb=a.find_elements_by_class_name('js-dprice')for b in bb:if not b.text.strip()[1:].startswith('¥'):lists.append(b.text.strip()[1:])print b.text.strip()[1:]dic[a.find_element_by_class_name('rtype').find_element_by_tag_name('h2').text]=listsdriver.quitreturn dics=Xc()print s.pc()

还是无法提供结果，因为我是本地文件，跑了一遍没有报错，理论上没有问题，如果你们运行报错请指正，谢谢！