---恢复内容开始---
最近各大一二线城市的房租都有上涨，究竟整体上涨到什么程度呢？我们也不得而知，于是乎笔者为了一探究竟，便用 Python 爬取了房某下的深圳租房数据。以下是本次的样本数据：
除去【不限】的数据（因为可能会与后面重叠），总数据量为 16971 ，其中后半部分地区数据量偏少，是由于该区房源确实不足。
因此，此次调查也并非非常准确，权且当个娱乐项目，供大家观赏。
统计结果
我们且先看统计结果，然后再看技术分析。深圳房源分布如下，按区划分的话，其中福田与南山的房源分布是最多的。但这两块地的房租十分不菲。
房租单价即 1 平方米 1 个月的价格。方块越大，代表价格越高：
可以看出福田与南山独占鳌头，分别是 114.874 与 113.483 ，是其他地区的几倍。如果以福田 20 平方的房间为例算一下每个月的开销：
福田 20 平方房间的租金：
114.874 x 20 = 2297.48
再来个两百的水电、物业：
2297.48 + 200 = 2497.48
我们节俭一点来算的话，每天早餐 10 块，中午 25 块，晚饭 25 块：
2497.48 + 60 x 30 = 4297.48
是的，仅仅是活下来就需要 3997.48 块。隔断时间下个馆子，每个月买些衣服，交通费，谈个女朋友，与女朋友出去逛街，妥妥滴加个 3500：
4297.48 + 3500 = 7697.48
给爸妈一人一千：
7697.48 + 2000 = 9697.48
如果在乡下没有寸土寸金的感觉，那么可以到北上广深体验一下，福田区每平方米每天需要 3.829 元。
户型方面主要以 3 室 2 厅与 2 室 2 厅为主。与小伙伴抱团租房是最好的选择了，不然与不认识的人一起合租可能会发生一系列让你不舒服的事情。字体越大，代表户型数量越多。
租房面积统计，其中 30 - 90 平方米的租房占大多数——所以，组团租房是最好的选择。
然后是租房描述词云，字体越大，标识出现的次数越多。其中【精装修】占据了很大的部分，说明长租公寓也占领了很大一部分市场。
爬虫思路
先爬取房某下深圳各个板块的数据，然后存进 MongoDB 数据库，最后再进行数据分析。
数据库部分数据：
/* 1 */
{
"_id" : ObjectId("5b827d5e8a4c184e63fb1325"),
"traffic" : "距沙井电子城公交站约567米。",//交通描述 "address" : "宝安-沙井-名豪丽城",//地址 "price" : 3100,//价格 "area" : 110,//面积 "direction" : "朝南\r\n ",//朝向 "title" : "沙井 名豪丽城精装三房 家私齐拎包住 高层朝南随时看房",//标题 "rooms" : "3室2厅",//户型 "region" : "宝安"//地区 } 爬虫技术分析和代码实现
爬虫涉及到的技术工具如下：
- 请求库：requests
- HTML 解析：Beautiful Soup
- 词云：wordcloud
- 数据可视化：pyecharts
- 数据库：MongoDB
- 数据库连接：PyMongo
首先右键网页，查看页面源码，找出我们要爬取的部分。
代码实现，由于篇幅原因只展示主要代码：（获取一个页面的数据）
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"}) # 获取需要爬取得 div for div in divs: ps = div.find_all("p") try: # 捕获异常，因为页面中有些数据没有被填写完整，或者被插入了一条广告，则会没有相应的标签，所以会报错 for index, p in enumerate(ps): # 从源码中可以看出，每一条 p 标签都有我们想要的信息，故在此遍历 p 标签， text = p.text.strip() print(text) # 输出看看是否为我们想要的信息 print("===================================") # 爬取并存进 MongoDB 数据库 roomMsg = ps[1].text.split("|") # rentMsg 这样处理是因为有些信息未填写完整，导致对象报空 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 数据分析：
# 求一个区的房租单价（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 # 获取各个区 每个月一平方米需要多少钱 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 # 获取各个区 每一天一平方米需要多少钱 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) # 获取各区统计样本数量 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) # 获取各个区的房源比重 def getAreaWeight(self): result = self.zfdb.rent.aggregate([{'$group': {'_id': '$region', 'weight': {'$sum': 1}}}]) areaName = [] areaWeight = [] for item in result: if item["_id"] in self.getAreaList(): areaWeight.append(item["weight"]) areaName.append(item["_id"]) print(item["_id"]) print(item["weight"]) # print(type(item)) return (areaName, areaWeight) # 获取 title 数据，用于构建词云 def getTitle(self): collection = self.zfdb["rent"] queryArgs = {} projectionFields = {'_id': False, 'title': True} # 用字典指定需要的字段 searchRes = collection.find(queryArgs, projection=projectionFields).limit(1000) content = '' for result in searchRes: print(result["title"]) content += result["title"] return content # 获取户型数据（例如：3 室 2 厅） def getRooms(self): results = self.zfdb.rent.aggregate([{'$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) # 获取租房面积 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_1000