# BeikeSpider
- 贝壳网房价爬虫
- 基于scrapy爬虫框架
# 运行
- cd BeikeSpider/beikespider
- scrapy crawl xiaoqu --nolog # 爬取小区数据
- scrapy crawl ershoufang --nolog # 爬取二手房数据
# 性能
- 小区:171秒抓取18623条小区数据,平均每秒100条
# 依赖
- Python 3.6
- scrapy
- requests
- beautifulsoup4
# 更新记录
- 2018/09/15, 爬取二手房数据
- 2018/09/09, 多线程获取城市版块信息,提升爬取速度
- 2018/09/08, 能够按城市和日期存放csv文件
- 2018/09/02, 能够存入csv, 计时,指定城市爬取
- 2018/08/19, 项目创建
# 开发计划
- 能够统计价格信息
- 能够爬取租房数据
- 能够爬取小区数据
- 能够爬取新楼盘数据
- 能够设置爬取的城市
- 能够存入MySQL
- 能够记录区县和版块
- 能够爬取二手房数据 (done)
- 进行提速 (done)
- 存入csv (done)
- 能够计时 (done)
没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
,采集北京上海广州深圳等21个中国主要城市的房价数据(小区,二手房),稳定可靠快速!支持csv存储,注释丰富。 爬虫(Web Crawler)是一种自动化程序,用于从互联网上收集信息。其主要功能是访问网页、提取数据并存储,以便后续分析或展示。爬虫通常由搜索引擎、数据挖掘工具、监测系统等应用于网络数据抓取的场景。 爬虫的工作流程包括以下几个关键步骤: URL收集: 爬虫从一个或多个初始URL开始,递归或迭代地发现新的URL,构建一个URL队列。这些URL可以通过链接分析、站点地图、搜索引擎等方式获取。 请求网页: 爬虫使用HTTP或其他协议向目标URL发起请求,获取网页的HTML内容。这通常通过HTTP请求库实现,如Python中的Requests库。 解析内容: 爬虫对获取的HTML进行解析,提取有用的信息。常用的解析工具有正则表达式、XPath、Beautiful Soup等。这些工具帮助爬虫定位和提取目标数据,如文本、图片、链接等。 数据存储: 爬虫将提取的数据存储到数据库、文件或其他存储介质中,以备后续分析或展示。常用的存储形式包括关系型数据库、NoSQL数据库、JSON文件等。 遵守规则: 为避免对网站造成过大负担或触发反爬虫机制,爬虫需要遵守网站的robots.txt协议,限制访问频率和深度,并模拟人类访问行为,如设置User-Agent。 反爬虫应对: 由于爬虫的存在,一些网站采取了反爬虫措施,如验证码、IP封锁等。爬虫工程师需要设计相应的策略来应对这些挑战。 爬虫在各个领域都有广泛的应用,包括搜索引擎索引、数据挖掘、价格监测、新闻聚合等。然而,使用爬虫需要遵守法律和伦理规范,尊重网站的使用政策,并确保对被访问网站的服务器负责。
资源推荐
资源详情
资源评论
收起资源包目录
贝壳网房价爬虫,基于Scrapy, 采集北京上海广州深圳等21个中国主要城市的房价数据(小区,二手房),稳定可靠快速!支持csv存储,注释丰富,链家网爬虫见我另一个项目.zip (30个子文件)
SJT-code
Pipfile 115B
LICENSE 11KB
Pipfile.lock 1020B
.gitignore 1KB
beikespider
scrapy.cfg 265B
.idea
beikespider.iml 511B
workspace.xml 42KB
misc.xml 208B
modules.xml 274B
beikespider
__init__.py 0B
pipelines.py 2KB
libs
__init__.py 96B
request_headers.py 2KB
area.py 2KB
utility.py 179B
district.py 2KB
page.py 911B
city.py 1KB
const.py 168B
printer.py 383B
path.py 1KB
date.py 735B
url.py 2KB
spiders
__init__.py 161B
ershoufang_spider.py 2KB
xiaoqu_spider.py 2KB
items.py 443B
settings.py 3KB
middlewares.py 4KB
README.md 932B
共 30 条
- 1
资源评论
JJJ69
- 粉丝: 6222
- 资源: 5780
下载权益
C知道特权
VIP文章
课程特权
开通VIP
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- keil2 + proteus + 8051.exe
- 1961ee27df03bd4595d28e24b00dde4e_744c805f7e4fb4d40fa3f695bfbab035_8(1).c
- mediapipe-0.9.0.1-cp37-cp37m-win-amd64.whl.zip
- windows注册表编辑工具
- mediapipe-0.9.0.1-cp37-cp37m-win-amd64.whl.zip
- 校园通行码预约管理系统20240522075502
- 车类型数据集6250张VOC+YOLO格式.zip
- The PyTorch implementation of STGCN.STGCN-main.zip
- 092300108.cpp
- 车类型数据集6000张VOC+YOLO格式.zip
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功