豆瓣租房小组爬虫

豆瓣租房小组爬虫是一款能够帮助中介或者找房源的用户快速找到适合自己的房源的软件，很多在豆瓣租房小组找房的用户面对琳琅满目的房子不知该如何甄别，利用软件能够快速筛选出适合自己价位的房源，有需要的小伙伴欢迎来西西下载体验。

使用说明：

此爬虫用python开发，基于gevent、pymongo、requests、lxml、Flask。

流程也相对较简单：

配置需要爬取的URL；

配置需要解析的信息元素，用XPATH完成；

配置代理；

配置监控周期、最大页数、并发数等；

运行爬虫，等待抓取，会自动根据配置定时爬取；

启动web服务，在前台搜索、排序等；

使用方法：

一、下载打开软件，首先设置要找的房源的地址。

二、接下来设置理想价位和排除关键词。

三、点击爬取即可获取房源信息，等待软件获取相关关键词房源。

四、利用typora软件打开爬取下来的MD文件即可看到房源信息。

常见问题：

如何设置豆瓣群组链接？

首先搜索某个地区租房，例如：北京租房

点进去要爬取的某个小组，例如第一个：北京租房

将页面拉到最下面有个> 更多小组讨论超链接，点进去

复制地址栏中地址（从/group开始复制到结尾），粘贴到软件设置豆瓣群组链接

有时候粘贴进软件会崩溃，不知道什么原因，建议把软件中原来的链接删除再粘贴进去。

将start=后边的数字50改成%d

完成

如何设置排除关键字？

排除关键字是标题和内容只要出现关键字就会排除掉该条租房信息。

例如默认是限女这个关键字，只要租房信息中包含限女生入住，只限女生等出现限女关键字的一律不爬。

多个关键字用|分隔，注意是英文的。

例如：限女|短租|整租，这三个关键字设置后，只要标题和内容出现这三个关键字软件就不会爬取。

关于识别标题中的价格

使用正则\b\d{4}\b识别标题中的价格信息，无法爬取少于1000元的信息。

关于爬取结果排序

先根据价格从小到大排序，价格相同根据发帖时间排序。