php 58房源采集,如何用火车采集器采集二手房数据

火车采集器，一款专业的互联网数据抓取、处理、分析，挖掘软件，可以灵活迅速地抓取网页上散乱分布的数据信息，并通过一系列的分析处理，准确挖掘出所需数据。对于免费版的用户来说，用火车采集器V8版比V9版更好，一是因为V8版可存储csv文件，而V9不能；二是在多级网页信息爬取方面，V9的免费版用户体验不如V8。下面以链家网中深圳南山区二手房为例，介绍V8版的数据爬取过程。

Step1：打开火车采集器，点击新建—分组，在弹出的对话框中输入分组名“链家网”称后，点击保存。

Step2：选择“链家网”组，右键新建任务，弹出如下对话框。在任务名中输入“深圳南山区二手房”。在起始网页栏中点击添加，如图所示。

Step3：选择“批量/多页”，以链家网第二页为起始页网址，将其复制在地址格式栏中。我们可以从链家网的网页看到，随着页数的变化，只有pg后面的数字发生变化，其他不变(https://sz.lianjia.com/

ershoufang/nanshanqu/pg(*)/，)。因此，在地址格式栏中，把pg后的数字替换成(*)。为了防止链家网启动反爬程序，本次介绍只爬取两页数据。选择“等差数列”，首相为1，项数为2，公差为1。依次点击添加、完成。

Step4：在多级网址获取中，点击添加，弹出如下对话框。每个房源信息的网址中，只有中间的数字会变化，其余的均不变(https://sz.lianjia.com/ershoufang/(*).html)。因此，在必须包含的信息中，只需把html前的数字换成(*)即可，然后点击保存。

Step5：点击测试网址采集，将会对1级网页进行采集测试，采集成功后如图。

Step6：进入“第二步：采集内容规则”的编辑。点击添加，进入标签编辑界面。在标签名中先填写名称。进入链家网的二级网页，即每个房源信息的页面，包括了名称、价格、户型、面积等信息，如图所示。

接下来便是爬取相应的信息。在网页空白处单击右键，选择查看源代码，进入该网页的源代码，按Ctrl+F，将名称复制粘贴至搜索框中，以便快速找到其所在源代码的位置。下图所示便是名称的源代码

在开始字符和结束字符分别输入相应的源代码，如图所示。单击确定后，按照上述方法进行价格、户型、面积等信息的爬取。需要特别说明的是，之所以通过网页源代码爬取相关信息，而不是在每个房源信息的页面中右键单击相应的信息，然后选择审查元素，然后利用前后截取的原则爬取相应信息，是因为通过审查元素这种方式有时候无法准确爬取相应信息。例如，房源信息中显示该房子的面积为88.52平米，若选择审查元素，则对应的信息为

输入网址测试时爬取出来的结果如右图所示。

若在网页源代码中搜索88.52，则可搜索到如下信息

......

温馨提醒：

下面还有几步就快完成啦！如需查看完整内容，请成为【城市数据派会员】，点击查看

本站声明

本文仅代表作者观点，不代表城市数据派立场；

本文系作者授权城市数据派发表，未经许可，不得转载；

本网站上的所有内容均为虚拟服务，一经购买成功概不退款，请您理解。