您好,登錄后才能下訂單哦!
目的
兩年前曾為了租房做過(guò)一個(gè)找房機(jī)器人 「爬取豆瓣租房并定時(shí)推送到微信」,維護(hù)一段時(shí)間后就荒廢了。
當(dāng)時(shí)因?yàn)榇a比較簡(jiǎn)單一直沒(méi)開(kāi)源,現(xiàn)在想想說(shuō)不定開(kāi)源后也能幫助一些同學(xué)更好的找到租房信息,所以簡(jiǎn)單整理后,開(kāi)源到 github,地址:https://github.com/facert/zufang (本地下載)
下面是當(dāng)時(shí)寫的簡(jiǎn)單原理介紹:
身在帝都的人都知道租房的困難,每次找房都是心力交瘁。其中豆瓣租房小組算是比較靠譜的房源了,但是由于小組信息繁雜,而且沒(méi)有搜索的功能,想要實(shí)時(shí)獲取租房信息是件很困難的事情,所以最近給自己挖了個(gè)坑,做個(gè)微信找房機(jī)器人,先看大概效果吧,見(jiàn)下圖:
實(shí)現(xiàn)
說(shuō)下大概的技術(shù)實(shí)現(xiàn)吧,首先是 scrapy 爬蟲(chóng)對(duì)于豆瓣北京租房的小組實(shí)時(shí)爬取,并做了全文檢索,對(duì) title, description 使用 jieba 和 whoosh 進(jìn)行了分詞和索引,做成 api。接下來(lái)就是應(yīng)用的接入,網(wǎng)上有微信機(jī)器人的開(kāi)源 [wxBot](http://github.com/liuwons/wxBo),所以對(duì)它進(jìn)行了修改, 實(shí)現(xiàn)了定時(shí)推送和持久化。最后順便把公眾號(hào)也做了同樣的功能,支持實(shí)時(shí)租房信息搜索。
部分代碼
scrapy 支持自定義 pipeline,能很方便的實(shí)現(xiàn)數(shù)據(jù)錄入的時(shí)候?qū)崟r(shí)生成索引,見(jiàn) code:
class IndexPipeline(object): def __init__(self, index): self.index = index @classmethod def from_crawler(cls, crawler): return cls( index=crawler.settings.get('WHOOSH_INDEX', 'indexes') ) def process_item(self, item, spider): self.writer = AsyncWriter(get_index(self.index, zufang_schema)) create_time = datetime.datetime.strptime(item['create_time'], "%Y-%m-%d %H:%M:%S") self.writer.update_document( url=item['url'].decode('utf-8'), title=item['title'], description=item['description'], create_time=create_time ) self.writer.commit() return item
搜索 api 代碼很簡(jiǎn)單:
def zufang_query(keywords, limit=100): ix = get_index('indexes', zufang_schema) content = ["title", "description"] query = MultifieldParser(content, ix.schema).parse(keywords) result_list = [] with ix.searcher() as searcher: results = searcher.search(query, sortedby="create_time", reverse=True, limit=limit) for i in results: result_list.append({'url': i['url'], 'title': i['title'], 'create_time': i['create_time']}) return result_list
總結(jié)
以上就是這篇文章的全部?jī)?nèi)容了,希望本文的內(nèi)容對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,謝謝大家對(duì)億速云的支持。
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng),如果涉及侵權(quán)請(qǐng)聯(lián)系站長(zhǎng)郵箱:is@yisu.com進(jìn)行舉報(bào),并提供相關(guān)證據(jù),一經(jīng)查實(shí),將立刻刪除涉嫌侵權(quán)內(nèi)容。