【从零开始学爬虫】采集全国各地历年房价数据

122 篇文章 2 订阅
119 篇文章 0 订阅

l 采集网站

【场景描述】采集全国各地历年房价数据。

【源网站介绍】58同城—国内专业的“本地、免费、真实、高效”生活服务平台!

【使用工具】前嗅ForeSpider数据采集系统,免费下载:

http://www.forenose.com/view/commodity/forespider.html

【入口网址】

https://www.58.com/fangjiawang/

【采集内容】

采集58同城上全国各省份历年房价数据。 

【采集效果】

如下图所示:

l 思路分析

配置思路概览:

l 配置步骤

1.新建采集任务

选择【采集配置】,点击任务列表右上方【+】号可新建采集任务,将采集入口地址填写在【采集地址】框中,【任务名称】自定义即可,点击下一步。

2.获取年份链接

采用链接过滤的方法来抽取年份链接,具体如下所示:
①点击采集预览,先观察年份链接规律,找到规律,很明显年份链接中都包含:https://www.58.com/fangjiawang/quanguo-

②设置地址过滤,过滤包含“https://www.58.com/fangjiawang/quanguo-”的链接,这样就把年份链接过滤出来了。

3.获取城市链接

①新建模板02,在其下新建一个链接抽取模板,具体操作如下所示:

②将模板01中的链接抽取,关联到模板02中去,如下图所示:

③采集预览,如下图所示,观察各省份链接规律,发现链接规律为:https://www.58.com/fangjiawang/sheng-年份-编码/。

④地址过滤包含:https://www.58.com/fangjiawang/sheng-\d-\d/的链接,其中\d表示一串数字串,即可把所需要的省份链接过滤出来。

4.抽取房价数据

①新建模板03,在其下新建一个数据抽取模板,具体操作如下所示:

②数据建表,按照下图所示建数据表。(注意字段属性等应严格按照下图进行设置)

③将新建好的数据表,关联到模板中去,如下图所示:

④填写示例地址

采集预览,复制任意一条省份的链接。

⑤将链接粘贴到本模板示例地址中,并双击内置浏览器空白部分,加载本链接。

⑥关联模板

将模板省份链接抽取模板关联模板03,如下图所示:

⑦识别列表

选择数据抽取模板,然后如下图所示,识别列表。

发现降价地区的数据均被选中。

⑧数据取值

使用定位取值和数据清洗的方法,year_字段如下所示:

city字段如下所示:

price字段如下所示:

rate字段如下所示:

⑧采集预览

采集预览如下图所示,说明配置成功,可以开始采集。如果有哪个字段或者数据没有出来,再次检查之前配置,正确配置模板。

⑨由于在第⑦步识别列表中,仅识别了房价下降的地区的数据,所以再建一个数据抽取,来识别房价上升的地区的数据。

⑩操作步骤同上,获取房价上升的地区的数据。配置好后采集预览,如下所示:

l 采集步骤

模板配置完成,采集预览没有问题后,可以进行数据采集。

①建立数据表单:

选择【数据建表】,点击【表单列表】中该模板的表单,在【关联数据表】中选择【创建】,表名称自定义,这里命名为【quanguofangjia】(注意命名不能用数字和特殊符号),点击【确定】。创建完成,勾选数据表,并点击右上角保存按钮。

②开始采集

选择【数据采集】,勾选任务名称,点击【开始采集】,则正式开始采集。

③导出数据

采集结束后,可以在【数据浏览】中,选择数据表查看采集数据,并可以导出数据。

④导出的文件打开如下图所示:

本教程仅供教学使用,严禁用于商业用途!

l 前嗅简介

前嗅大数据,国内领先的研发型大数据专家,多年来致力于为大数据技术的研究与开发,自主研发了一整套从数据采集、分析、处理、管理到应用、营销的大数据产品。前嗅致力于打造国内第一家深度大数据平台!

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值