【从零开始学爬虫】采集全国各地历年房价数据

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！