爬取58同城，代码运行无误，但未能爬到东西

澍梵.

代码可以运行但是无法爬出数据，运行完后csv表为空。
问题应该在select的定位上，但是总是解决不了。
感谢帮助！

import urllib.request
from bs4 import BeautifulSoup
import pandas as pd

#爬取数据
def request_Data(url):

    #创建requests对象
    req = urllib.request.Request(url)
   
    page_data_list = []
   
    with urllib.request.urlopen(req) as response:
        data = response.read()
        htmlstr = data.decode()
        L = parse_HTMLData(htmlstr)
        page_data_list.extend(L)
   
    return page_data_list


#解析数据
def parse_HTMLData(htmlstr):
   
    sp = BeautifulSoup(htmlstr,'html.parser')
   
    #获得房子信息列表
    house_list = sp.select('body > div.main-wrap > div.content-wrap > div.content-side-left  > li:nth-child')
                              
   
    #当前页中的记录列表
    page_list = []
    for house in house_list:
        #每一行数据
        rows_list = []
        
        #获得房子标题
        title = house.select('body > div.main-wrap > div.content-wrap > div.content-side-left  > li')
                           
                           
        title = (title[0].text).strip()
        rows_list.append(title)
        
        #获得房子信息
        infos = house.select('body > div.main-wrap > div.content-wrap > div.content-side-left > li > div.list-info > p')
                           
        # 获得房子户型
        house_type = (infos[0].text).strip()
        rows_list.append(house_type)
        # 获得房子面积
        house_area = (infos[2].text).strip()
        rows_list.append(house_area)
        # 获得房子朝向
        house_face = (infos[4].text).strip()
        rows_list.append(house_face)
        # 获得房子楼层
        house_floor = (infos[6].text).strip()
        rows_list.append(house_floor)
        #获得房子所在城区
        addr_dist = house.select('body > div.main-wrap > div.content-wrap > div.content-side-left > li > div.list-info > p:nth-child(3) > span > a:nth-child(2)')
                                body > div.main-wrap > div.content-wrap > div.content-side-left > ul > li:nth-child(1) > div.list-info > p:nth-child(3) > span > a:nth-child(2)
        rows_list.append(addr_dist)
        #获得房子所在小区
        addr_name = house.select('body > div.main-wrap > div.content-wrap > div.content-side-left > li > div.list-info > p:nth-child(3) > span > a:nth-child(1)')
                                 
        addr_name = (addr_name[0].text).strip()
        rows_list.append(addr_name)
        #获得房子总价
        total_price = house.select('body > div.main-wrap > div.content-wrap > div.content-side-left > li.sendsoj.hove > div.price > p.sum > b')
                                    
        total_price = (total_price[0].text).strip()
        rows_list.append(total_price)
        #获得房子单价
        price = house.select('body > div.main-wrap > div.content-wrap > div.content-side-left > li.sendsoj.hove > div.price > p.unit')
                              
                                
        price = (price[0].text).strip()
        rows_list.append(price)
           
        page_list.append(rows_list)
        
    return page_list
        

url_temp = 'http://sh.ganji.com/ershoufang/pn{}/'

data_list = []

for i in range(1,11):  #总共70页
    url = url_temp.format(i)
    print(url)
    print('+++++第{}页++++++'.format(i))
   
    try:
        L = request_Data(url)
        data_list.extend(L)
    except Exception as e:
        
        #不再循环
        print('不再有数据，结束循环')
        break
   
print(data_list)
   
#保存数据
#列名
colsname = ['标题', '户型', '面积', '朝向', '楼层', '城区', '小区名', '总价', '单价']  

df = pd.DataFrame(data_list, columns = colsname)  
df.to_csv('house_data.csv',index = False,encoding='gbk')

YunGuo

一步步检查，实在不行就换xpath解析

疾风怪盗

你先不要考虑select，先考虑下有没有爬到数据，再考虑定位问题

print(htmlstr)

你打印过这个没？运行了下你的代码，打印出来是显示要输入验证码，没爬到数据啊

suchocolate

# _*_ coding: utf-8 _*_
# Developer: suchocolate
# Date: 9/15/2020 22:14
# File name: 58tc.py
# Development tool: PyCharm

import requests
from lxml import etree
from openpyxl import Workbook


def main():
    wb = Workbook()
    ws = wb.active
    head = ['标题', '户型', '面积', '朝向', '楼层', '城区', '小区名', '总价（万）', '单价']
    ws.append(head)
    base_url = 'https://sh.58.com/ershoufang/pn'
    headers = {'user-agent': 'firefox'}
    for num in range(1, 11):
        url = base_url + str(num)
        r = requests.get(url, headers=headers)
        html = etree.HTML(r.text)
        result = html.xpath('//li[@class="sendsoj"]')
        for item in result:
            data = []
            title = item.xpath('./div[2]/h2/a/text()')
            data.extend(title)
            house_type = item.xpath('./div[2]/p[1]/span[1]/text()')
            data.extend(house_type)
            area = item.xpath('./div[2]/p[1]/span[2]/text()')
            data.extend(area)
            orient = item.xpath('./div[2]/p[1]/span[3]/text()')
            data.extend(orient)
            floor = item.xpath('./div[2]/p[1]/span[4]/text()')
            data.extend(floor)
            urban = item.xpath('./div[2]/p[2]/span[1]/a[2]/text()')
            data.extend(urban)
            community = item.xpath('./div[2]/p[2]/span[1]/a[1]/text()')
            data.extend(community)
            total_price = item.xpath('./div[3]/p[1]/b/text()')
            data.extend(total_price)
            uni_price = item.xpath('./div[3]/p[2]/text()')
            data.extend(uni_price)
            ws.append(data)
    wb.save('test.xlsx')


if __name__ == '__main__':
    main()

挥舞乾坤

https://sh.58.com/ershoufang/pn1/

你换下网址试下，或者直接用requests模块，因为有302的重定向，urllib.request不知道会不会自动处理重定向，一直都用requests，requests是会自动处理重定向的