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：
- 选择目标数据源，确定抓取的对象和范围。
经过一番比较，我选择了链家网的“小区”信息作为抓取的对象：
lianjia_webpage.png
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：
lianjia_lastpage.png
============= UPDATE =============
每个页面列出20个小区，所以100个页面只能显示2000个小区。如果要抓取所有的数据，可以计算一下总共要抓取 27576/20=1379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。
- 查看页面的HTML代码，找到需要抓取和解析的标签。
html.png
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。 -
用 rvest 写爬虫函数
source_code.png
- 将爬虫函数以R软件包的形式发布，源代码上传至Github
- 安装 lianjiaScraper 的方法见README
README.png
-
安装完毕，测试
code.png
-
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
table.png
-
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：
help.png
房价数据到手后如何分析和可视化？欢迎大家继续关注Rapp！
qrcode.jpg
网友评论