写一段爬取链家郑州二手房房价的代码，里面包括，总价，单价，户型，面积等信息。链家二手房网站为：https://zz.lianjia.com/ershoufang/

好的，以下是一段Python代码，可以爬取链家郑州二手房房价的信息，包括总价、单价、户型和面积等信息：

import requests
from bs4 import BeautifulSoup

url = "https://zz.lianjia.com/ershoufang/"

r = requests.get(url)
soup = BeautifulSoup(r.text, 'html.parser')
houses = soup.find_all('div', {'class': 'info'})

for house in houses:
    # 获取总价
    total_price = house.find('div', {'class': 'totalPrice'}).text.strip()
    # 获取单价
    unit_price = house.find('div', {'class': 'unitPrice'}).text.strip()
    # 获取户型和面积
    room_info = house.find('div', {'class': 'houseInfo'}).text.strip()
    # 输出结果
    print(total_price, unit_price, room_info)

注意，这段代码只能爬取到一页的房价信息。如果需要爬取多页的信息，则需要结合requests和BeautifulSoup的分页功能进行爬取。

相关问题

Scrapy-redis爬取链家二手房房价代码

下面是使用Scrapy-redis爬取链家二手房房价的代码：

1. 创建一个Scrapy项目

$ scrapy startproject lianjia

2. 修改settings.py配置文件，启用Redis

# 启用Redis调度器
SCHEDULER = "scrapy_redis.scheduler.Scheduler"

# 启用Redis去重
DUPEFILTER_CLASS = "scrapy_redis.dupefilter.RFPDupeFilter"

# 启用Redis队列
SCHEDULER_QUEUE_CLASS = "scrapy_redis.queue.SpiderPriorityQueue"

# 设置Redis连接信息
REDIS_HOST = 'localhost'
REDIS_PORT = 6379

3. 创建一个Spider

$ scrapy genspider lianjia_spider lianjia.com

4. 修改lianjia_spider.py

# 引入RedisSpider
from scrapy_redis.spiders import RedisSpider

class LianjiaSpider(RedisSpider):
    name = 'lianjia_spider'
    allowed_domains = ['lianjia.com']

    # 设定爬取的初始链接
    def start_requests(self):
        url = 'https://sh.lianjia.com/ershoufang/'
        yield scrapy.Request(url=url, callback=self.parse)

    # 解析二手房列表页
    def parse(self, response):
        # 获取下一页链接并加入Redis队列
        next_page = response.css('div.page-box a.next::attr(href)').get()
        if next_page is not None:
            next_page_url = response.urljoin(next_page)
            self.server.rpush('lianjia_spider:start_urls', next_page_url)

        # 解析二手房信息
        house_list = response.css('ul.sellListContent li.clear')
        for house in house_list:
            # 获取房屋名称和链接
            name = house.css('div.title a::text').get()
            link = house.css('div.title a::attr(href)').get()

            # 获取房屋价格
            price = house.css('div.totalPrice span::text').get()

            # 获取房屋面积和户型
            area = house.css('div.houseInfo a::text').getall()[1]
            layout = house.css('div.houseInfo a::text').getall()[0]

            # 输出房屋信息
            print(name, link, price, area, layout)

5. 运行爬虫

$ scrapy runspider lianjia_spider.py

6. 启动Redis队列

$ redis-server

7. 启动Redis Spider

$ scrapy runspider lianjia_spider.py

运行后，Scrapy会将初始链接加入Redis队列，并从队列中获取链接进行爬取。当爬取到列表页时，会将下一页的链接加入Redis队列，从而实现了分布式爬取。爬取到的房屋信息会输出到控制台。

用python爬取链家泰州二手房信息400条并直接生成表格包含房屋名称，价格，面积，户型，关注人数

好的，我可以帮你实现这个功能。首先，我们需要安装一些库，包括requests、BeautifulSoup4和pandas。你可以在终端中使用以下命令安装：

pip install requests beautifulsoup4 pandas

接下来，我们可以编写爬虫代码，如下所示：

import requests
from bs4 import BeautifulSoup
import pandas as pd

# 设置请求头信息
headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.3'}

# 获取网页内容
def get_html(url):
    response = requests.get(url, headers=headers)
    response.encoding = response.apparent_encoding
    if response.status_code == 200:
        return response.text
    else:
        return None

# 解析网页内容
def parse_html(html):
    soup = BeautifulSoup(html, 'html.parser')
    house_list = soup.find('ul', {'class': 'sellListContent'}).find_all('li')
    data = []
    for house in house_list:
        name = house.find('div', {'class': 'title'}).find('a').text.strip()
        price = house.find('div', {'class': 'totalPrice'}).find('span').text.strip()
        area = house.find('div', {'class': 'houseInfo'}).find_all('a')[1].text.strip()
        layout = house.find('div', {'class': 'houseInfo'}).find_all('a')[0].text.strip()
        follow = house.find('div', {'class': 'followInfo'}).find('span', {'class': 'starIcon'}).text.strip()
        data.append([name, price, area, layout, follow])
    return data

# 保存为csv文件
def save_to_csv(data):
    df = pd.DataFrame(data, columns=['房屋名称', '价格', '面积', '户型', '关注人数'])
    df.to_csv('lianjia.csv', index=False, encoding='utf_8_sig')

# 主函数
def main():
    url = 'https://tz.lianjia.com/ershoufang/pg{}/'
    data = []
    for i in range(1, 5):
        html = get_html(url.format(i))
        if html:
            data += parse_html(html)
    save_to_csv(data)

if __name__ == '__main__':
    main()

在这个示例中，我们使用了requests库来发送HTTP请求，并使用BeautifulSoup4库解析HTML页面。我们首先定义了一个get_html函数，用于获取给定URL的HTML内容。然后，我们定义了一个parse_html函数，用于解析HTML内容并提取房屋名称、价格、面积、户型和关注人数。最后，我们使用pandas库将数据保存到CSV文件中。在主函数中，我们循环遍历多个页面，并调用get_html和parse_html函数来获取和解析每个页面的内容。最后，我们调用save_to_csv函数将数据保存到CSV文件中。

你可以将以上代码保存在一个Python文件中，例如lianjia.py，然后在终端中运行它：

python lianjia.py

运行成功后，你将在当前目录下看到一个名为lianjia.csv的文件，其中包含了400条链家泰州二手房的信息。