豆瓣租房小组爬虫

豆瓣租房小组爬虫是一款采集豆瓣租房小组信息的工具，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，可以甄别筛选，能够自定义筛选条件，有需要的用户不要错过了，欢迎下载使用！

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。