【R爬虫-2】上海市各小区挂牌均价

浏览: 1580

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

推荐 0
本文由 R语言中文社区 创作,采用 知识共享署名-相同方式共享 3.0 中国大陆许可协议 进行许可。
转载、引用前需联系作者,并署名作者且注明文章出处。
本站文章版权归原作者及原出处所有 。内容为作者个人观点, 并不代表本站赞同其观点和对其真实性负责。本站是一个个人学习交流的平台,并不用于任何商业目的,如果有任何问题,请及时联系我们,我们将根据著作权人的要求,立即更正或者删除有关内容。本站拥有对此声明的最终解释权。

0 个评论

要回复文章请先登录注册