基于大数据的房价分析--1，大厂内部资料

先自我介绍一下，小编浙江大学毕业，去过华为、字节跳动等大厂，目前阿里P7

深知大多数程序员，想要提升技能，往往是自己摸索成长，但自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年最新大数据全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

如果你需要这些资料，可以添加V获取：vip204888 （备注大数据）

正文

if self.settings[‘CITY’] and self.settings[‘CITY’] != ‘’:

return self.get_specify_request()

else:

return self.get_sequence_request()

def parseUrls(self,html):

links = html.xpath(“.//a/@href”)

urls = []

for link in links:

if StringUtil.filtString(self.fillUrl+“pn\d+?/”,link):

urls.append(link)

return urls

def parseItems(self,html,url):

houselist = html.xpath(“.//ul[@class=‘house-list-wrap’]//div[@class=‘list-info’]”)

items = []

for houseinfo in houselist:

detailurl = houseinfo.xpath(“.//h2[1]/a/@href”)

title = “”.join(houseinfo.xpath(“.//h2[1]/a/text()”))

roomNum = “”.join(houseinfo.xpath(“.//p[1]/span[1]/text()”)[0].split())

size = “”.join(houseinfo.xpath(“.//p[1]/span[2]/text()”))

orient = “”.join(houseinfo.xpath(“.//p[1]/span[3]/text()”))

floor = “”.join(houseinfo.xpath(“.//p[1]/span[4]/text()”))

address = “”.join((“”.join(houseinfo.xpath(“.//p[2]/span[1]//a/text()”))).split())

sumprice = “”.join(houseinfo.xpath(“./following-sibling::div[1]//p[@class=‘sum’]/b/text()”))

unitprice = “”.join(houseinfo.xpath(“./following-sibling::div[@class=‘price’]//p[@class=‘unit’]/text()”))

items.append(HouseItem(

_id = “”.join(detailurl),

title = title,

roomNum = roomNum,

size = NumberUtil.fromString(size),

orient = orient,

floor = floor,

address = address,

sumPrice = NumberUtil.fromString(sumprice),

unitPrice = NumberUtil.fromString(unitprice),

city=self.city,

fromUrl = url,

nowTime = time.time(),

status = “SUBSPENDING”)

)

return items

def parse(self,response):

if(response.body ==‘None’):

return

doc = html.fromstring(response.body.decode(“utf-8”))

urls = self.parseUrls(doc)

items = self.parseItems(doc,response.url)

for url in urls:

yield scrapy.Request(url,callback=self.parse)

for item in items:

yield item

2.items

class HouseItem(scrapy.Item):

define the fields for your item here like:

name = scrapy.Field()

title = scrapy.Field()

roomNum = scrapy.Field()

size = scrapy.Field()

orient = scrapy.Field()

floor = scrapy.Field()

address = scrapy.Field()

sumPrice = scrapy.Field()

unitPrice = scrapy.Field()

_id = scrapy.Field()

imageurl = scrapy.Field()

fromUrl = scrapy.Field()

city = scrapy.Field()

nowTime = scrapy.Field()

status = scrapy.Field()

3.pipelines

#coding: utf-8

import codecs

import json

import pymongo

from scrapy.utils.project import get_project_settings

Define your item pipelines here

Don’t forget to add your pipeline to the ITEM_PIPELINES setting

See: http://doc.scrapy.org/en/latest/topics/item-pipeline.html

from ershoufang.items import ProxyItem

class ErshoufangPipeline(object):

def init(self):

self.settings = get_project_settings()

self.client = pymongo.MongoClient(

host=self.settings[‘MONGO_IP’],

port=self.settings[‘MONGO_PORT’])

self.db = self.client[self.settings[‘MONGO_DB’]]

self.proxyclient = self.proxy = self.client[self.settings[‘PROXY_DB’]][self.settings[‘POOL_NAME’]]

self.itemNumber = 0

def process_proxy(self,item):

self.proxyclient.insert(dict(item))

def process_item(self, item, spider):

if isinstance (item,ProxyItem):

self.process_proxy(item)

return item

try:

if not item[‘address’]:

print(item[“fromUrl”+“网页异常”])

return item

‘’’

if self.db.ershoufang.count({“_id”:item[“_id”],“city”:item[‘city’]})<= 0:

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化的资料的朋友，可以添加V获取：vip204888 （备注大数据）

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。**

需要这份系统化的资料的朋友，可以添加V获取：vip204888 （备注大数据）
[外链图片转存中…(img-pf99xqZG-1713180489356)]

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！