柯振旭项目开发者

如何租到靠谱的房子?Scrapy爬虫帮你一网打尽各平台租房信息!

又是一年n度的找房高峰期,各种租赁信息眼花缭乱,如何快速、高效的找到靠谱的房子呢?

不堪忍受各个租房网站缭乱的信息,一位技术咖小哥哥最近开发了一个基于 Scrapy 的爬虫项目,聚合了来自豆瓣,链家,58 同城等上百个城市的租房信息,统一集中搜索感兴趣的租房信息,还突破了部分网站鸡肋的搜索功能。

通过这个“秘密武器”,这位技术咖已经使用该爬虫找到合适的住所。

不仅如此,还很无私地整理了项目代码,并放上了Github。

Github链接:

https://github.com/kezhenxu94/house-renting

点击“阅读原文”可查看项目介绍,在大数据文摘后台回复“租房”可下载源代码~

接下来,跟着文摘菌一起来看看这波酷炫的操作。

环境部署

Python版本:Python 2 || Python 3

爬虫框架:Scrapy 

操作系统:Mac || Linux || Windows

服务引擎:Docker

获取源码

$ git clone https://github.com/kezhenxu94/house-renting $ cd house-renting

在大数据文摘后台回复“租房”可下载源代码~

启动服务

使用 Docker(推荐)

$ docker-compose up --build -d

环境及版本:Mac Docker CE 版,具体版本号为 Version 18.03.1-ce-mac65 (24312)。

为了方便用户使用该项目,作者提供了部署本项目所需要用到的服务的 docker-compose.yml 文件,但由于 Docker 本身的局限性,导致在 Windows 非专业版上必须使用 Docker Toolbox 并因此带来了许多问题,详细参考:

http://support.divio.com/local-development/docker/how-to-use-a-directory-outside-cusers-with-docker-toolbox-on-windowsdocker-for-windows

如果你遇到这样的问题, 可以在这里给提 Issue,如果你遇到并自己解决了这样的问题,欢迎在这里提 Pull Request帮助优化该项目!

Issue:

https://github.com/kezhenxu94/house-renting/issues

Pull Request:

https://github.com/kezhenxu94/house-renting/pulls

手动部署 (不推荐)

安装 Elasticsearch 5.6.9 和 Kibana 5.6.9 并启动

下载并安装 Elasticsearch 和 Kibana,下载地址为:

https://www.elastic.co/downloads/past-releases

安装 Redis 并启动

下载并安装 Redis,下载地址为:

https://redis.io/download

在 crawler/house_renting/settings.py 文件中配置相关的主机和端口:

# ES 节点, 可以配置多个节点(集群), 默认为 None, 不会存储到 ESELASTIC_HOSTS = [    {'host': 'elastic', 'port': 9200},] REDIS_HOST = 'redis'  # 默认为 None, 不会去重REDIS_PORT = 6379  # 默认 6379

安装 Python 依赖

$ cd crawler $ pip install -r requirements.txt

选择要扒取的城市(目前支持链家, 58 同城):

选择需要从链家扒取的城市:

打开 crawler/house_renting/spider_settings/lianjia.py 文件,按照注释提示完成城市选择;

# ...# 只需要在这个列表中添加以下 available_cities 中的城市, 如果只需要扒取一个城市也需要使用一个括号包围, 如 (u'广州') cities = (u'广州', u'北京') # ...

选择需要从 58 同城扒取的城市:

打开 crawler/house_renting/spider_settings/a58.py 文件, 按照注释提示完成城市选择:

# ...# 只需要在这个列表中添加以下 available_cities 中的城市, 如果只需要扒取一个城市也需要使用一个括号包围, 如 (u'广州') cities = (u'广州', u'北京') # ...

启动爬虫

在不同的命令行窗口中启动需要扒取的网站爬虫

$ scrapy crawl douban # 扒取豆瓣 $ scrapy crawl lianjia # 扒取链家 $ scrapy crawl 58 # 扒取 58 同城

到这里,恭喜你!房屋信息已经成功爬取到了,一起来看看爬取结果吧!

查看结果

看图选房

爬虫运行扒取到数据后会有 house_renting/data目录被创建,其中的 images 文件夹下载了租房信息中的图片,用户可以使用图片浏览器查看该文件夹中的图片,看到合适的房子图片后,使用图片文件名到 Kibana 中搜索,找到相应的租房信息详情。

搜索关键字

打开浏览器,定位到 http://127.0.0.1:5601 (请根据 Docker 的 IP 相应更改 Kibana 对应的 URL 地址)。

设置索引模式

在下图中的 Index pattern 输入框中输入 house_renting,然后按下 TAB 键,Create 按钮会变为可用状态,此时点击 Create 按钮;如果此时 Create 按钮还不能用,是因为爬虫还没有扒取到数据入 Elasticsearch,需要多等一会儿,如果长时间这样,需要检查爬虫服务是否启动成功。

切换到 Discover 页面

加字段

按时间排序

搜索一个关键字

搜索多个关键字

展开详细信息

温馨提示

如果环境配置正确,运行结果不正确,原因有可能是网站做了升级,读者朋友们可以去项目介绍页面更新代码后再次尝试。作者会根据业余时间和精力不断更新项目,感兴趣的朋友可以持续关注哦。

大数据文摘
大数据文摘

秉承“普及数据思维,传播数据文化,助⼒产业发展”的企业⽂化,我们专注于数据领域的资讯、案例、技术,形成了“媒体+教育+⼈才服务”的良性⽣态,致⼒于打造精准数据科学社区。

入门Scrapy爬虫Python
1
暂无评论
暂无评论~