爬取汽车之家 二手车产品库

  1. 目标
  2. 开始
    1. 获取城市
    2. 获取分页
    3. 获取二手车数据
  3. 数据
  4. 参考
    1. 爬虫项目地址

项目地址:https://github.com/golang-xx/car-prices

目标

最近经常有人在耳边提起汽车之家,也好奇二手车在国内的价格是怎么样的,因此本次的目标站点是 汽车之家 的二手车产品库

image

分析目标源:

  • 一页共 24 条
  • 含分页,但这个老产品库,在 100 页后会存在问题,因此我们爬取 99 页
  • 可以获取全部城市
  • 共可爬取 19w+ 数据

开始

爬取步骤

  • 获取全部的城市
  • 拼装全部城市 URL 入队列
  • 解析二手车页面结构
  • 下一页 URL 入队列
  • 循环拉取所有分页的二手车数据
  • 循环拉取队列中城市的二手车数据
  • 等待,确定队列中无新的 URL
  • 爬取的二手车数据入库

获取城市

image

通过页面查看,可发现在城市筛选区可得到全部的二手车城市列表,但是你仔细查阅代码。会发现它是 JS 加载进来的,城市也统一放在了一个变量中

image

有两种提取方法

  • 分析 JS 变量,提取出来
  • 直接将 areaJson 复制出来作为变量解析

在这里我们直接将其复制粘贴出来即可,因为这是比较少变动的值

获取分页

image

通过分析页面可以得知分页链接是有一定规律的,例如:/2sc/hangzhou/a0_0msdgscncgpi1ltocsp2exb4/,可以发现 sp%dsp 后面为页码

按照常理,可以通过预测所有分页链接,推入队列后 go routine 一波 即可快速拉取

但是在这老产品库存在一个问题,在超过 100 页后,下一页永远是 101 页

image

因此我们采取比较传统的做法,通过拉取下一页的链接去访问,以便适应可能的分页链接改变; 100 页以后的分页展示也很奇怪,先忽视

获取二手车数据

页面结构较为固定,常规的清洗 HTML 即可

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
func GetCars(doc *goquery.Document) (cars []QcCar) {
cityName := GetCityName(doc)
doc.Find(".piclist ul li:not(.line)").Each(func(i int, selection *goquery.Selection) {
title := selection.Find(".title a").Text()
price := selection.Find(".detail .detail-r").Find(".colf8").Text()
kilometer := selection.Find(".detail .detail-l").Find("p").Eq(0).Text()
year := selection.Find(".detail .detail-l").Find("p").Eq(1).Text()

kilometer = strings.Join(compileNumber.FindAllString(kilometer, -1), "")
year = strings.Join(compileNumber.FindAllString(strings.TrimSpace(year), -1), "")
priceS, _ := strconv.ParseFloat(price, 64)
kilometerS, _ := strconv.ParseFloat(kilometer, 64)
yearS, _ := strconv.Atoi(year)

cars = append(cars, QcCar{
CityName: cityName,
Title: title,
Price: priceS,
Kilometer: kilometerS,
Year: yearS,
})
})

return cars
}

数据

image

image

在各城市的平均价格对比中,我们可以发现北上广深里的北京、上海、深圳都在榜单上,而近年势头较猛的杭州直接占领了榜首,且后几名都有一些距离

而其他城市大致都是梯级下降的趋势,看来一线城市的二手车也是不便宜了,当然这只是均价

image

我们可以看到价格和公里数的对比,上海、成都、郑州的等比差异是有点大,感觉有需求的话可以在价格和公里数上做一个衡量

image

这图有点儿有趣,粗略的统计了一下总公里数。在前几张图里,平均价格排名较高的统统没有出现在这里,反倒是呼和浩特、大庆、中山等出现在了榜首

是否侧面反应了一线城市的车辆更新换代较快,而较后的城市的车辆倒是换代较慢,公里数基本都杠杠的

image

通过对标题的分析,可以得知车辆产品库的命名基本都是品牌名称+自动/手动+XXXX 款+属性,看标题就能知道个概况了

参考

爬虫项目地址


免责声明:本页面内容均来源于站内编辑发布,部分信息来源互联网,并不意味着本站赞同其观点或者证实其内容的真实性,如涉及版权等问题,请立即联系客服进行更改或删除,保证您的合法权益。转载请注明来源,欢迎对文章中的引用来源进行考证,欢迎指出任何有错误或不够清晰的表达。也可以邮件至 sblig@126.com

推荐阅读:

文章标题:爬取汽车之家 二手车产品库

本文作者:知识铺

发布时间:2018-04-01, 12:30:00

最后更新:2020-04-19, 17:52:49

原始链接:https://blog.zshipu.com/2018/04/01/golang/go/crawler/2018-04-01-cars/

版权声明: "署名-非商用-相同方式共享 4.0" 转载请保留原文链接及作者。

目录
×

喜欢就点赞,疼爱就打赏