目的
兩年前曾為了租房做過一個找房機器人 「爬取豆瓣租房并定時推送到微信」，維護一段時間后就荒廢了。
當時因為代碼比較簡單一直沒開源，現在想想說不定開源后也能幫助一些同學更好的找到租房信息，所以簡單整理后，開源到 github，地址：https://github.com/facert/zufang
下面是當時寫的簡單原理介紹：
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，而且沒有搜索的功能，想要實時獲取租房信息是件很困難的事情，所以最近給自己挖了個坑，做個微信找房機器人，先看大概效果吧，見下圖：
實現
說下大概的技術實現吧，首先是 scrapy 爬蟲對于豆瓣北京租房的小組實時爬取，并做了全文檢索，對 title, description 使用 jieba 和 whoosh 進行了分詞和索引，做成 api。接下來就是應用的接入，網上有微信機器人的開源 [wxBot](http://github.com/liuwons/wxBo)，所以對它進行了修改, 實現了定時推送和持久化。最后順便把公眾號也做了同樣的功能，支持實時租房信息搜索。
部分代碼
scrapy 支持自定義 pipeline，能很方便的實現數據錄入的時候實時生成索引，見 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'), description=item['description'], create_time=create_time ) self.writer.commit() return item搜索 api 代碼很簡單：
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
以上就是這篇文章的全部內容了，希望本文的內容對大家的學習或者工作具有一定的參考學習價值，謝謝大家對VEVB武林網的支持。
新聞熱點
疑難解答
