概述

• 前言
• 統計結果
• 爬蟲技術分析
• 爬蟲代碼實現
• 爬蟲分析實現
• 后記

前言

最近各大一二線城市的房租都有上漲，究竟整體上漲到什么程度呢?我們也不得而知，于是乎 zone 為了一探究竟，便用 Python 爬取了房某下的深圳的租房數據，以下是本次的樣本數據： 

除去【不限】的數據(因為可能會與后面重疊)，總數據量為 16971 ，其中后半部分地區數據量偏少，是由于該區房源確實不足。因此，此次調查也并非非常準確，權且當個娛樂項目，供大家觀賞。

統計結果

我們且先看統計結果，然后再看技術分析。

深圳房源分布：(按區劃分)

其中福田與南山的房源分布是最多的。但這兩塊地的房租可是不菲啊。 

房租單價：(每月每平方米單價 -- 平均數)

即是 1 平方米 1 個月的價格。方塊越大，代表價格越高。 

可以看出福田與南山是獨占鰲頭，分別是 114.874 與 113.483 ，是其他地區的幾倍。如果租個福田 20 平方的房間：

• 114.874 x 20 = 2297.48

再來個兩百的水電、物業：

• 2297.48 + 200 = 2497.48

我們節儉一點來算的話，每天早餐 10 塊，中午 25 塊，晚飯 25 塊：

• 2497.48 + 50 x 30 = 3997.48

是的，僅僅是活下來就需要 3997.48 塊。

隔斷時間下個館子，每個月買些衣服，交通費，談個女朋友，與女朋友出去逛街，妥妥滴加個 3500

• 3997.48 + 3500 = 7497.48

給爸媽一人一千：

• 7497.48 + 2000 = 9497.48

月薪一萬妥妥滴，變成了月光族。

房租單價：(每日每平方米單價 -- 平均數)

• 即是 1 平方米 1 天的價格。 

以前在鄉下沒有***的感覺，那么可以到北上廣深體驗一下，福田區每平方米每天需要 3.829 元。[捂臉]

戶型

戶型主要以 3 室 2 廳與 2 室 2 廳為主。與小伙伴抱團租房是***的選擇了，不然與不認識的人一起合租，可能會發生一系列讓你不舒服的事情。字體越大，代表戶型數量越多。 

租房面積統計

其中 30 - 90 平方米的租房占大多數，如今之計，也只能是幾個小伙伴一起租房，抱團取暖了。 

租房描述詞云

這是爬取的租房描述，其中字體越大，標識出現的次數越多。其中【精裝修】占據了很大的部分，說明長租公寓也占領了很大一部分市場。 

爬蟲思路

先爬取房某下深圳各個板塊的數據，然后存進 MongoDB 數據庫，***再進行數據分析。 

數據庫部分數據： 

/* 1 */  
{  
"_id" : ObjectId("5b827d5e8a4c184e63fb1325"),  
"traffic" : "距沙井電子城公交站約567米。",//交通描述  
"address" : "寶安-沙井-名豪麗城",//地址  
"price" : 3100,//價格  
"area" : 110,//面積  
"direction" : "朝南\r\n ",//朝向  
"title" : "沙井 名豪麗城精裝三房 家私齊拎包住 高層朝南隨時看房",//標題  
"rooms" : "3室2廳",//戶型  
"region" : "寶安"//地區 
 } 

爬蟲技術分析

• 請求庫：requests
• HTML 解析：BeautifulSoup
• 詞云：wordcloud
• 數據可視化：pyecharts
• 數據庫：MongoDB
• 數據庫連接：pymongo

爬蟲代碼實現

首先右鍵網頁，查看頁面源碼，找出我們要爬取得部分。

源碼

代碼實現，由于篇幅原因只展示主要代碼：(獲取一個頁面的數據) 

def getOnePageData(self, pageUrl, reginon="不限"):  
rent = self.getCollection(self.region)  
self.session.headers.update({  
'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_13_3) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/68.0.3440.84 Safari/537.36'})  
res = self.session.get(  
pageUrl  
)  
soup = BeautifulSoup(res.text, "html.parser")  
divs = soup.find_all("dd", attrs={"class": "info rel"}) # 獲取需要爬取得 div  
for div in divs:  
ps = div.find_all("p")  
try: # 捕獲異常，因為頁面中有些數據沒有被填寫完整，或者被插入了一條廣告，則會沒有相應的標簽，所以會報錯  
for index, p in enumerate(ps): # 從源碼中可以看出，每一條 p 標簽都有我們想要的信息，故在此遍歷 p 標簽，  
text = p.text.strip()  
print(text) # 輸出看看是否為我們想要的信息  
print("===================================")  
# 爬取并存進 MongoDB 數據庫  
roomMsg = ps[1].text.split("|")  
# rentMsg 這樣處理是因為有些信息未填寫完整，導致對象報空  
area = roomMsg[2].strip()[:len(roomMsg[2]) - 2]  
rentMsg = self.getRentMsg(  
ps[0].text.strip(), 
 roomMsg[1].strip(), 
 int(float(area)),  
int(ps[len(ps) - 1].text.strip()[:len(ps[len(ps) - 1].text.strip()) - 3]),  
ps[2].text.strip(),  
ps[3].text.strip(),  
ps[2].text.strip()[:2],  
roomMsg[3],  
)  
rent.insert(rentMsg)  
except:  
continue 

數據分析實現

數據分析： 

# 求一個區的房租單價(平方米/元)  
def getAvgPrice(self, region):  
areaPinYin = self.getPinyin(region=region)  
collection = self.zfdb[areaPinYin]  
totalPrice = collection.aggregate([{'$group': {'_id': '$region', 'total_price': {'$sum': '$price'}}}])  
totalArea = collection.aggregate([{'$group': {'_id': '$region', 'total_area': {'$sum': '$area'}}}])  
totalPrice2 = list(totalPrice)[0]["total_price"]  
totalArea2 = list(totalArea)[0]["total_area"]  
return totalPrice2 / totalArea2  
# 獲取各個區 每個月一平方米需要多少錢  
def getTotalAvgPrice(self):  
totalAvgPriceList = []  
totalAvgPriceDirList = []  
for index, region in enumerate(self.getAreaList()):  
avgPrice = self.getAvgPrice(region)  
totalAvgPriceList.append(round(avgPrice, 3))  
totalAvgPriceDirList.append({"value": round(avgPrice, 3), "name": region + " " + str(round(avgPrice, 3))})  
return totalAvgPriceDirList  
# 獲取各個區 每一天一平方米需要多少錢  
def getTotalAvgPricePerDay(self): 
 totalAvgPriceList = []  
for index, region in enumerate(self.getAreaList()):  
avgPrice = self.getAvgPrice(region)  
totalAvgPriceList.append(round(avgPrice / 30, 3))  
return (self.getAreaList(), totalAvgPriceList)  
# 獲取各區統計樣本數量  
def getAnalycisNum(self):  
analycisList = []  
for index, region in enumerate(self.getAreaList()):  
collection = self.zfdb[self.pinyinDir[region]]  
print(region)  
totalNum = collection.aggregate([{'$group': {'_id': '', 'total_num': {'$sum': 1}}}])  
totalNum2 = list(totalNum)[0]["total_num"]  
analycisList.append(totalNum2)  
return (self.getAreaList(), analycisList)  
# 獲取各個區的房源比重  
def getAreaWeight(self):  
result = self.zfdb.rent.aggregate([{'$group': {'_id': '$region', 'weight': {'$sum': 1}}}])  
areaName = [] 
 areaWeight = []  
for item in result:  
if item["_id"] in self.getAreaList(): 
areaWeight.append(item["weight"])  
areaName.append(item["_id"])  
print(item["_id"])  
print(item["weight"])  
# print(type(item))  
return (areaName, areaWeight)  
# 獲取 title 數據，用于構建詞云 
 def getTitle(self):  
collection = self.zfdb["rent"]  
queryArgs = {}  
projectionFields = {'_id': False, 'title': True} # 用字典指定需要的字段  
searchRes = collection.find(queryArgs, projection=projectionFields).limit(1000)  
content = ''  
for result in searchRes:  
print(result["title"])  
content += result["title"]  
return content  
# 獲取戶型數據(例如：3 室 2 廳)  
def getRooms(self): 
 results = self.zfdb.rent.aggregate([{'$group': {'_id': '$rooms', 'weight': {'$sum': 1}}}])  
roomList = []  
weightList = [] 
 for result in results:  
roomList.append(result["_id"])  
weightList.append(result["weight"])  
# print(list(result))  
return (roomList, weightList)  
# 獲取租房面積  
def getAcreage(self):  
results0_30 = self.zfdb.rent.aggregate([ 
 {'$match': {'area': {'$gt': 0, '$lte': 30}}},  
{'$group': {'_id': '', 'count': {'$sum': 1}}} 
 ])  
results30_60 = self.zfdb.rent.aggregate([  
{'$match': {'area': {'$gt': 30, '$lte': 60}}},  
{'$group': {'_id': '', 'count': {'$sum': 1}}}  
])  
results60_90 = self.zfdb.rent.aggregate([  
{'$match': {'area': {'$gt': 60, '$lte': 90}}},  
{'$group': {'_id': '', 'count': {'$sum': 1}}}  
])  
results90_120 = self.zfdb.rent.aggregate([  
{'$match': {'area': {'$gt': 90, '$lte': 120}}}, 
 {'$group': {'_id': '', 'count': {'$sum': 1}}}  
]) 
 results120_200 = self.zfdb.rent.aggregate([  
{'$match': {'area': {'$gt': 120, '$lte': 200}}}, 
 {'$group': {'_id': '', 'count': {'$sum': 1}}}  
])  
results200_300 = self.zfdb.rent.aggregate([  
{'$match': {'area': {'$gt': 200, '$lte': 300}}},  
{'$group': {'_id': '', 'count': {'$sum': 1}}}  
])  
results300_400 = self.zfdb.rent.aggregate([  
{'$match': {'area': {'$gt': 300, '$lte': 400}}},  
{'$group': {'_id': '', 'count': {'$sum': 1}}}  
]) 
 results400_10000 = self.zfdb.rent.aggregate([  
{'$match': {'area': {'$gt': 300, '$lte': 10000}}},  
{'$group': {'_id': '', 'count': {'$sum': 1}}}  
])  
results0_30_ = list(results0_30)[0]["count"]  
results30_60_ = list(results30_60)[0]["count"]  
results60_90_ = list(results60_90)[0]["count"]  
results90_120_ = list(results90_120)[0]["count"]  
results120_200_ = list(results120_200)[0]["count"]  
results200_300_ = list(results200_300)[0]["count"]  
results300_400_ = list(results300_400)[0]["count"]  
results400_10000_ = list(results400_10000)[0]["count"]  
attr = ["0-30平方米", "30-60平方米", "60-90平方米", "90-120平方米", "120-200平方米", "200-300平方米", "300-400平方米", "400+平方米"]  
value = [  
results0_30_, results30_60_, results60_90_, results90_120_, results120_200_, results200_300_, results300_400_, results400_10000_  
]  
return (attr, value) 

數據展示： 

# 展示餅圖  
def showPie(self, title, attr, value):  
from pyecharts import Pie  
pie = Pie(title)  
pie.add("aa", attr, value, is_label_show=True)  
pie.render()  
# 展示矩形樹圖  
def showTreeMap(self, title, data):  
from pyecharts import TreeMap  
data = data  
treemap = TreeMap(title, width=1200, height=600)  
treemap.add("深圳", data, is_label_show=True, label_pos='inside', label_text_size=19)  
treemap.render()  
# 展示條形圖  
def showLine(self, title, attr, value):  
from pyecharts import Bar  
bar = Bar(title)  
bar.add("深圳", attr, value, is_convert=False, is_label_show=True, label_text_size=18, is_random=True,  
# xaxis_interval=0, xaxis_label_textsize=9,  
legend_text_size=18, label_text_color=["#000"])  
bar.render()  
# 展示詞云  
def showWorkCloud(self, content, image_filename, font_filename, out_filename):  
d = path.dirname(__name__)  
# content = open(path.join(d, filename), 'rb').read()  
# 基于TF-IDF算法的關鍵字抽取, topK返回頻率***的幾項, 默認值為20, withWeight  
# 為是否返回關鍵字的權重  
tags = jieba.analyse.extract_tags(content, topK=100, withWeight=False)  
text = " ".join(tags)  
# 需要顯示的背景圖片  
img = imread(path.join(d, image_filename))  
# 指定中文字體, 不然會亂碼的  
wc = WordCloud(font_path=font_filename,  
background_color='black',  
# 詞云形狀，  
mask=img,  
# 允許***詞匯  
max_words=400,  
# ***號字體，如果不指定則為圖像高度  
max_font_size=100,  
# 畫布寬度和高度，如果設置了msak則不會生效  
# width=600,  
# height=400,  
margin=2,  
# 詞語水平擺放的頻率，默認為0.9.即豎直擺放的頻率為0.1  
prefer_horizontal=0.9  
)  
wc.generate(text)  
img_color = ImageColorGenerator(img)  
plt.imshow(wc.recolor(color_func=img_color))  
plt.axis("off")  
plt.show()  
wc.to_file(path.join(d, out_filename))  
# 展示 pyecharts 的詞云  
def showPyechartsWordCloud(self, attr, value):  
from pyecharts import WordCloud  
wordcloud = WordCloud(width=1300, height=620)  
wordcloud.add("", attr, value, word_size_range=[20, 100])  
wordcloud.render() 

后記

最近還真是挺多事情發生的，房租的暴漲，其實是資本力量進駐了租房市場。自如、蛋殼這些長租公寓，相互抬高房租價格，而且讓客戶簽第三方貸款協議，前期發展可能需要一點錢，但是到后期壟斷市場之后，只要住房剛需在，就不會賺不回錢。***，應對外界條件的變動，我們還是應該提升自己的硬實力，這樣才能提升自己的生存能力。