酷应用

如何租到靠谱的房子？Scrapy爬虫帮你一网打尽各平台租房信息！

百家作者：大数据文摘 2018-05-31 04:39:45

大数据文摘经授权发布

项目开发者：柯振旭

又是一年n度的找房高峰期，各种租赁信息眼花缭乱，如何快速、高效的找到靠谱的房子呢？

不堪忍受各个租房网站缭乱的信息，一位技术咖小哥哥最近开发了一个基于 Scrapy 的爬虫项目，聚合了来自豆瓣，链家，58 同城等上百个城市的租房信息，统一集中搜索感兴趣的租房信息，还突破了部分网站鸡肋的搜索功能。

通过这个“秘密武器”，这位技术咖已经使用该爬虫找到合适的住所。

不仅如此，还很无私地整理了项目代码，并放上了Github。

Github链接：

https://github.com/kezhenxu94/house-renting

点击“阅读原文”可查看项目介绍，在大数据文摘后台回复“租房”可下载源代码~

接下来，跟着文摘菌一起来看看这波酷炫的操作。

环境部署

Python版本：Python 2 || Python 3

爬虫框架：Scrapy

操作系统：Mac || Linux || Windows

服务引擎：Docker

获取源码

$ git clone https://github.com/kezhenxu94/house-renting
$ cd house-renting

在大数据文摘后台回复“租房”可下载源代码~

启动服务

使用 Docker（推荐）

$ docker-compose up --build -d

环境及版本：Mac Docker CE 版，具体版本号为 Version 18.03.1-ce-mac65 (24312)。

为了方便用户使用该项目，作者提供了部署本项目所需要用到的服务的 docker-compose.yml 文件，但由于 Docker 本身的局限性，导致在 Windows 非专业版上必须使用 Docker Toolbox 并因此带来了许多问题，详细参考：

http://support.divio.com/local-development/docker/how-to-use-a-directory-outside-cusers-with-docker-toolbox-on-windowsdocker-for-windows

如果你遇到这样的问题, 可以在这里给提 Issue，如果你遇到并自己解决了这样的问题，欢迎在这里提 Pull Request帮助优化该项目！

Issue：

https://github.com/kezhenxu94/house-renting/issues

Pull Request：

https://github.com/kezhenxu94/house-renting/pulls

手动部署 (不推荐)

安装 Elasticsearch 5.6.9 和 Kibana 5.6.9 并启动

下载并安装 Elasticsearch 和 Kibana，下载地址为：

https://www.elastic.co/downloads/past-releases

安装 Redis 并启动

下载并安装 Redis，下载地址为：

https://redis.io/download

在 crawler/house_renting/settings.py 文件中配置相关的主机和端口：

# ES 节点, 可以配置多个节点(集群), 默认为 None, 不会存储到 ESELASTIC_HOSTS = [    {'host': 'elastic', 'port': 9200},]
REDIS_HOST = 'redis'  # 默认为 None, 不会去重REDIS_PORT = 6379  # 默认 6379

安装 Python 依赖

$ cd crawler
$ pip install -r requirements.txt

选择要扒取的城市(目前支持链家， 58 同城)：

选择需要从链家扒取的城市：

打开 crawler/house_renting/spider_settings/lianjia.py 文件，按照注释提示完成城市选择；

# ...# 只需要在这个列表中添加以下 available_cities 中的城市, 如果只需要扒取一个城市也需要使用一个括号包围, 如 (u'广州')
cities = (u'广州', u'北京')
# ...

选择需要从 58 同城扒取的城市：

打开 crawler/house_renting/spider_settings/a58.py 文件，按照注释提示完成城市选择：

# ...# 只需要在这个列表中添加以下 available_cities 中的城市, 如果只需要扒取一个城市也需要使用一个括号包围, 如 (u'广州')
cities = (u'广州', u'北京')
# ...

启动爬虫

在不同的命令行窗口中启动需要扒取的网站爬虫

$ scrapy crawl douban # 扒取豆瓣
$ scrapy crawl lianjia # 扒取链家
$ scrapy crawl 58 # 扒取 58 同城

到这里，恭喜你！房屋信息已经成功爬取到了，一起来看看爬取结果吧！

查看结果

看图选房

爬虫运行扒取到数据后会有 house_renting/data目录被创建，其中的 images 文件夹下载了租房信息中的图片，用户可以使用图片浏览器查看该文件夹中的图片，看到合适的房子图片后，使用图片文件名到 Kibana 中搜索，找到相应的租房信息详情。

搜索关键字

打开浏览器，定位到 http://127.0.0.1:5601 (请根据 Docker 的 IP 相应更改 Kibana 对应的 URL 地址)。

设置索引模式

在下图中的 Index pattern 输入框中输入 house_renting，然后按下 TAB 键，Create 按钮会变为可用状态，此时点击 Create 按钮；如果此时 Create 按钮还不能用，是因为爬虫还没有扒取到数据入 Elasticsearch，需要多等一会儿，如果长时间这样，需要检查爬虫服务是否启动成功。