本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理
以下文章来源于木下学Python ，作者木下瞳
前言
小编可能准备去深圳，需要租房子，在网上先查了查，有很多租房软件，安居客，贝壳等，也向身边的人问了问，安居客听到的次数多一些，于是选择安居客去查看一些租房信息。
在浏览过程中，虽然安居客有过滤标签，按价格，区域，房型，类型这四个来过滤的，但感觉还是不是理想中的信息，而且特别多，看不过来。
所以小编决定使用 python 爬取上面的数据，并自己设置过滤条件，从很多房源中过滤出自己需要的房源，既提高效率，又能找到比较理想的。.
数据获取
数据是爬取安居客的租房，过滤条件设置价格为 0-2500元/月，这是小编自己理想能接受的范围，2000 以上偏高但可以先看看：
区域因为不太了解每个行政区的范围，所以不知道每个区域的距离，只选择某个区又太单一了，不能了解整体，所以区域选择默认的全部标签。
一页有 60 条数据，有 50 页，可以得到 3000 条数据，这些足够了，多了也看不过来。
爬虫的逻辑是不难，从第一页一直到最后一页，先爬取每一页房源链接，从爬取房源链接中的详细信息。
主要爬取标题，房屋信息，房屋有的设施，房源概况：
在过程中会遇到两个问题，其一是字体乱码，也就是字体反爬了，详细信息的数字都是加密过的：
核心代码如下：
第二个问题就是会遇到验证码，可能是点击字体的，可能是滑块，很麻烦，所以这个小编是在程序中判断是否出现验证码。
出现验证码程序会输出提示，手动点击验证码后，按回车继续爬取，在爬取过程中小编只遇到过一次验证码。
其他的逻辑比较简单，感兴趣的参考源码即可。
数据过滤
获得数据就可以自己设置过滤条件了，因为小编需要知道每条房源在哪里，先构造每条房源的区域：
对每个区域的房价分布心理有个底，所以以区域划分，价格划分为 (0,500],(500,1000],(1000,1500],(1500,2000],(2500.3000]，一次来查看分布，先计算每个区每个分布，画出柱状图：
图用 pyecharts 画的，区域选择设置的单选，每次可以查看一个区域价格分布。
对价格有个底后，来设置过滤条件，首先小编考虑附近是否有地铁，在数据中【标签】【概况】可以说明。
房源设备也是小编考虑的有网，热水，洗衣机，空调，卫生间，根据这些关键词过滤，过滤了 1000 条左右：
标签中如果有【号线】代表有地铁几号线，那概况中应该也会提到地铁要不然让人怀疑是骗人的，所以以这两个进行过滤，2000 多条一下就过滤剩下 500 多条：
然后小编根据承受能力，选择了 1500 以下的房源：
过滤后一下剩下 200 多条，还是有点多，现在是包含所有区域的：
最后小编根据自己的需求，查看了地图过滤区域，只选择了合适的区域，过滤后自由 84 条数据，并保存：
小编抽取了几条数据，点开链接，大部分还是都能接受。为了点题，现在的我应该表示很伤心
文章来源: 博客园
- 还没有人评论，欢迎说说您的想法！
客服
