【python】简单爬虫制作（汽车之家&易车网报价爬虫）

首先交代背景，逗逼女朋友每个月要花费半天多的时间去汽车网上找三十多个城市、十多款车型的报价数据，而且他们部门其它人也要做这种繁琐的工作。我在网络卡屎的情况下帮她做了一回，我就打死都想写个程序把这种stupid的工作自动搞定。

上论坛一问，了解到原来这个叫爬虫，用python写比较简单。

那就开始学python，学爬虫。

其实没具体学python，或者对于爬虫的基本了解，直接看的这位博主的文章[Python]网络爬虫（六）：一个简单的百度贴吧的小爬虫，这是一个系列，花了点时间全看下来大概python照着模式写就够用了。

爬虫（Spider）的英文名其实很形象，整个互联网就是一张大网，而爬虫就像一种蜘蛛能够在这个网上爬来爬去，从一个网址跳转到另一个网站，抓取有价值的东西。

本程序所用python为3.4.2，系统为win7-64位，所有用到的插件请下载对应的版本

然后是网页的url分析，就是去多看多找，查看网页源码看是否能看到直接要的数据，如果找得到，可以直接使用正则表达正拿到数据，如果找不到，是js动态生成的，就去看源码里的js代码，搜索关键字url去找js拿去request的url，分析它的情况。

在本例中，汽车之家的数据是分析js代码所得url，通过url可直接请求得到城市与低价信息，用正则表达式获取

易车网数据可通过网页源码获取，所以其url就是浏览器地址上的url，通过url可请求到整个网页，再用正则表达式获取城市与价格信息

所有数据获取之后通过xlwr3和xlrd、xlutils保存到EXCEL中

源码

# -*- coding: utf-8 -*-  #---------------------------------------  #   程序：汽车之家&易车网最低价格抓取爬虫  #   版本：0.1  #   作者：top_along  #   日期：2015-01-24  #   语言：Python 3.4.2  #   操作：直接打开#   功能：抓取汽车之家上所有城市所需车型最低报价。  #---------------------------------------     import string, urllib.requestimport reimport osimport xlwt3 as xlwtimport xlrdfrom xlutils.copy import copyimport time#from citys import citys#汽车之家抓取函数def qichezhijia(filename, cityId, specId):    url = 'http://www.autohome.com.cn/ashx/AjaxDealerPrice.ashx?cityid=' \          + str(cityId) + '00&specId=' + str(specId)    m = urllib.request.urlopen(url).read()    unicodePage = m.decode('gbk')    reg = '<span class="font-price">([0-9\\.]+)</span>.*cityNameDefault=\'(.+)\';'    items = re.search(reg, unicodePage, re.S)    if items == None:        return    city = str(items.group(2))    price = str(items.group(1))    if city == "全国":        return    output = '[汽车之家]:   ' + city + '   数据正在写入...'    print(output)    saveToExcel(filename, cityId, specId, price, 0)    return#易车网抓取函数def yichewang(filename, cityId, specId):    url = 'http://car.bitauto.com/' + str(specId) \          + '/baojia/c' + str(cityId) + '/'    m = urllib.request.urlopen(url).read()    unicodePage = m.decode('utf-8')    regCity = '<ul class="area-sub"><li>(.+)：</li><li>'    items = re.search(regCity, unicodePage, re.S)    if items == None:        return       city = str(items.group(1))    regPrice = '裸车售价：</label><span>([0-9\\.]+)万元</span></li><li><label>'    prices = re.findall(regPrice, unicodePage, re.S)    prices = set(prices)    if len(prices) == 0:        return    price = prices.pop()    for p in prices:        if p < price:            price = p        output = '[易车网]:   ' + city + '   数据正在写入...'    print(output)    saveToExcel(filename, cityId, specId, price, 1)        return#保存数据到Excel#city为城市名，specId为汽车id，两者决定Excel中的位置#price为价格，sheetId为汽车之家与易车网之间两个sheet切换def saveToExcel(filename, cityId, specId, price, sheetId):        rdbook = xlrd.open_workbook(filename)    rdsheet = rdbook.sheet_by_index(sheetId)       city_col = rdsheet.col_values(0)    try:        row = city_col.index(cityId)    except:        return    spec_row = rdsheet.row_values(0)    try:        col = spec_row.index(specId)    except:        return    wtbook = copy(rdbook)    wtsheet = wtbook.get_sheet(sheetId)    wtsheet.write(row, col, price)    wtbook.save(filename)    returndef openExcel(filename):    rdbook = xlrd.open_workbook(filename)    #汽车之家    rdsheet = rdbook.sheet_by_index(0)    specs = rdsheet.row_values(0)    specs = set(specs)    specs.remove('')    citys = rdsheet.col_values(0)    citys = set(citys)    citys.remove('')    print('[汽车之家]数据准备写入')    for city in citys:        for spec in specs:            qichezhijia(filename, city, spec)    #易车网    rdsheet = rdbook.sheet_by_index(1)    specs = rdsheet.row_values(0)    specs = set(specs)    specs.remove('')    print(specs)    citys = rdsheet.col_values(0)    citys = set(citys)    citys.remove('')    print(citys)    print('[易车网]数据准备写入')        for city in citys:        for spec in specs:            yichewang(filename, city, spec)                return    def entry():    print('汽车之家&易车网最低价格抓取爬虫')    print('版本：0.1')    print('作者：top_along')    print('操作说明：')    print('1、请确保当前文件夹下有文件“报价数据.xls”，且该文件未打开')    print('2、“报价数据.xls”格式、扩展，请参见说明')    print('3、请输入口令“阳娟阳娟变变变”开始')    print('4、Enjoy...\n')           keyword = input("请输入口令：\r\n")    if keyword == "阳娟阳娟变变变":        filename = u"报价数据.xls"        openExcel(filename)        input("输入任意字符回车退出")    else:        print("你真调皮...")        time.sleep(2)        print("你的电脑将在20秒内重启...")        time.sleep(5)        print("赶紧保存...")        time.sleep(5)        print("还有10秒...")        time.sleep(5)        print("5...")        time.sleep(1)        print("4...")        time.sleep(1)        print("3...")        time.sleep(1)        print("2...")        time.sleep(1)        print("1...")        time.sleep(1)        print("God bless you...")        time.sleep(1)        #程序入口entry()

保存制作exe请移驾

http://keliang.blog.51cto.com/3359430/661884

打包后闪退的情况是缺少部分插件，参见

http://blog.csdn.net/u014000832/article/details/39527981