基于Scrapy的太原二手房爬虫的设计与实现.pdf
《基于Scrapy的太原二手房爬虫的设计与实现.pdf》由会员分享,可在线阅读,更多相关《基于Scrapy的太原二手房爬虫的设计与实现.pdf(3页珍藏版)》请在咨信网上搜索。
1、第 期(总第 期)年 月山西电子技术网络技术收稿日期:基金项目:第二批国家级职业教育教师教学创新团队课题研究项目和双高专业群“证书”制度探索与实践研究课题()作者简介:李 红()女山西临汾人助教工学硕士研究方向:大数据技术文章编号:()基于 的太原二手房爬虫的设计与实现李 红(山西职业技术学院山西 太原)摘 要:随着经济的快速发展人们买房获取数据信息越来越便利但网络的海量数据也给人们快速摘取有用信息带来了很大的困难同样太原二手房数据量也很庞大 利用 框架快速高效的爬取太原链家二手房数据并对数据完成处理和存储为买房人群提供有用信息数据参考关键词:框架太原二手房数据爬虫中图分类号:文献标识码:()
2、:.:引言近年来随着国家政府对房地产政策的宏观调控人们对于买房的热情依旧很高涨相较于新房很多家庭倾向于购买二手房二手房有即买即住小区配套成熟地理位置优越等优点 但随着大数据的发展网络数据鱼龙混杂且越来越多网络爬虫技术就可以帮助用户挖掘数据快速爬取出所需数据并完成处理降低用户人工查找成本 框架 框架是使用 语言开发的一个开源的爬虫框架 它也提供了多种类型爬虫的基类具有快速、高效的抓取网站数据等功能可用于爬虫开发、自动化测试等应用领域 框架由调度器、引擎、爬虫、管道、下载器、中间件和下载中间件几大组件组成 框架架构图如图图 框架架构图 框架主要工作流程是:)引擎向 请求第一个要爬取的)引擎把 构造
3、成 对象传递给调度器)调度器接着把要爬取的下一个 链接返回给引擎)引擎通过下载中间件将从调度器接收到的 传递给下载器)下载器将获取到的网站页面响应对象 通过下载中间件返回给引擎)引擎通过爬虫中间件将从下载器中接收到的响应对象传递给)将 进行解析并进行爬取将爬取到的 和需要下一步跟进的请求通过爬虫中间件发送给引擎)引擎将接收的 发送给 将新的请求发送给调度器)重复第二步直到调度器队列中没有 后引擎关闭网站 爬虫的设计与实现.爬虫总体设计本文对太原二手房数据进行爬取主要对小区名称、商圈名称、户型、面积、朝向、装修情况、楼层、建筑类型、关注度、发布时间、总价、单价以及房屋详情链接等信息进行爬取 本文
4、设计的 爬虫分为数据爬取模块和数据存储模块 其中数据爬取模块也就是整体的爬虫模块主要功能是通过创建 工程项目、确定网页爬取目标、创建爬虫、执行爬虫这几步操作完成对太原二手房数据的抓取数据存储模块主要功能是对抓取到的太原二手房数据进行存储将数据存储为 格式文件在本地保存.爬虫的实现.新建 工程项目使用 框架创建爬虫第一步是新建一个 工程项目 打开终端通过命令:进入到存放项目的 文件夹中接着输入命令:其中 是项目名称 命令运行成功后项目名称文件夹下会自动创建若干初始目录和文件其中.文件是项目配置文件存储的是项目配置相关信息 文件夹存储的是 爬虫文件下面的.文件就是自定义的爬虫文件.文件是实体文件定
5、义了 数据结构.文件是中间件文件用来定义中间件.文件是管道文件用来保存数据.文件是设置文件用于存储项目的全局设置信息.确定网页爬取目标本项目要爬取的太原二手房网址为:/./要爬取的数据有小区名称、户型、总价等 通过谷歌浏览器打开该网址进入到浏览器开发模式中分析网页结构确定每一个爬取数据的 路径 通过分析发现所有的二手房数据都在/路径下 接下来对要获取的每一个二手房的属性进行位置确定总名称、房屋详情链接属性的 路径分别是./()和./小区名称、商圈名称的 路径分别是./()和./()房屋户型等 个详情属性均在第 个 下的 中后期需要在爬虫代码中对其进行数据处理和分割 路径是./()房屋关注度、发
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 Scrapy 太原 二手房 爬虫 设计 实现
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。