【R爬虫-2】上海市各小区挂牌均价

作者简介Introduction

傅兴：R语言中文社区专栏作者

个人公众号：Rapp

房价一直是中国老百姓最关心的话题之一。Rapp 也一直想分析房地产方面的数据。如果拿到全国的房价数据，不仅可以知道各个城市最贵的和最便宜的房子在哪里，哪些区域的房价更高，还可以研究房价和医疗、教育资源以及公共交通设施之间的关系，房价与政策之间的关系等等。

想要获取这样的数据并不难，只需要一点点编程知识。看完本文后就会觉得更加简单了，只需要安装Rapp开发的R程序包（lianjiaScraper），使用一个命令就可以轻松下载上海市各小区的挂牌均价。

下面我向大家介绍一下 lianjiaScraper 的开发过程以及使用方法：
1. 选择目标数据源，确定抓取的对象和范围。
经过一番比较，我选择了链家网 (http://sh.lianjia.com/xiaoqu) 的“小区”信息作为抓取的对象：

链家找到的27576个小区并不是列在一个页面中，所以我们还要弄清楚总共可以抓取多少页面，在小区列表的底部，我们看到一共有100个页面：

我们还发现每个页面的URL具有以下格式：
http://sh.lianjia.com/xiaoqu/d
调用每个页面的时候只需要在 d 后面加上页面序号即可。

2. 查看页面的HTML代码，找到需要抓取和解析的标签。

从页面的源代码中可以看到，页面中所有小区信息放在一个 <ul class="house-lst"></ul> 中，每个小区包含一个 <div class="pic-panel"></div> 和一个 <div class="info-panel">，我们感兴趣的信息在 <div class="info-panel"> 中的 <div class="where"></div> 和 <div class="price"></div> 中。

3. 用 rvest 写爬虫函数

4. 将爬虫函数以R软件包的形式发布，源代码上传至 Github (https://github.com/bioxfu/lianjiaScraper)

5. 安装 lianjiaScraper 的方法见README

6. 安装完毕，测试

7. 抓取到的数据包含了小区名称、区域名称、板块名称、单价以及经纬度信息

8. lianjiaScraper 现在仍处在开发阶段，目前只有一个 searchLianjia 函数，而且只能下载上海市的数据，我会不断完善相关功能：

房价数据到手后如何分析和可视化？请听下回分解。

大家都在看

2017年R语言发展报告（国内）

精心整理 | R语言中文社区历史文章合集（作者篇）

精心整理 | R语言中文社区历史文章整理（类型篇）

公众号后台回复关键字即可学习

回复 爬虫            爬虫三大案例实战  
回复 Python       1小时破冰入门

回复 数据挖掘     R语言入门及数据挖掘
回复 人工智能     三个月入门人工智能
回复 数据分析师  数据分析师成长之路 
回复 机器学习      机器学习的商业应用
回复 数据科学      数据科学实战
回复 常用算法      常用数据挖掘算法