house-renting-spider

豆瓣小组上海租房爬虫

System Requirements:

• Python 2.7.10
• pip
• (Optional) virtualenv

To start

# Clone the repo
$ git clone https://github.com/PeggyZWY/house-renting-spider
$ cd house-renting-spider

# Install requirements
$ pip install -r requirements.txt  

# Modify config.ini
$ vim config.ini

在config.ini里配置并保存：

1. key_search_word_list为想要搜索的关键词。如果有多个关键词，请用英文逗号,隔开
2. custom_black_list为拒绝的关键词黑名单。同样如果有多个关键词，请用英文逗号,隔开
3. start_time为要搜索在这个时间之后的信息。请用2016-05-01这种格式表示日期
4. [douban]这个option下的douban_cookie和douban_sleep_time不需要改变。程序里会自动设置cookie；douban_sleep_time设为1秒钟比较合适，防止豆瓣反爬虫封号

比如：

配置好之后继续在终端输入：

$ python houseRentingSpider.py  

然后就等爬虫爬呀爬。

结束之后，命令行有提示。比如：

根据提示打开此HTML文件后会出现结果。比如（截图仅截取部分结果）：

配色是根据豆瓣来的嘿嘿:)

Others

在houseRentingSpider.py里，现在设置了如下小组。

douban_url这个数组里URL的参数中group的值以及douban_url_name数组里的小组名要一一对应。

也就是说，只要你是在豆瓣小组里对关键字进行爬取，在这里设置小组，在config.ini设置关键词，就可以定制出自己的爬虫。