/DouBanReptile

豆瓣租房小组多线程爬虫。爬取后自动按时间排序生成markdown文件。

Primary LanguageGoApache License 2.0Apache-2.0

豆瓣租房爬虫

GitHub stars GitHub forks GitHub watchers GitHub followers

GitHub issues GitHub license GitHub last commit GitHub release GitHub repo size in bytes HitCount language

下载

https://github.com/itning/DouBanReptile/releases

构建

go build -ldflags="-s -w -H windowsgui" -o ..\bin\main.exe DouBanReptile/cmd

爬取结果文件（markdown）建议使用typora打开

截图

main

main2

a3

a4

markdown

使用教程

确保C:\\Windows\\Fonts\\目录下有simsun.ttc字体文件

e

  1. 如何设置豆瓣群组链接？

    1. 首先搜索某个地区租房，例如：北京租房

      f

    2. 点进去要爬取的某个小组，例如第一个：北京租房

    3. 将页面拉到最下面有个> 更多小组讨论超链接，点进去

      g

    4. 复制地址栏中地址（从/group开始复制到结尾），粘贴到软件设置豆瓣群组链接

      有时候粘贴进软件会崩溃，不知道什么原因，建议把软件中原来的链接删除再粘贴进去。

      h

      i

    5. 将start=后边的数字50改成%d

      j

    6. 完成

  2. 如何设置排除(包含)关键字？

    排除关键字是标题和内容只要出现关键字就会排除掉该条租房信息。

    例如默认是限女这个关键字，只要租房信息中包含限女生入住，只限女生等出现限女关键字的一律不爬。

    多个关键字用|分隔，注意是英文的。

    例如：限女|短租|整租，这三个关键字设置后，只要标题和内容出现这三个关键字软件就不会爬取。

    包含关键字只适用于标题，例如包含关键字为A，标题中含A，但内容中不含，会爬取；内容含A，标题不含，不会爬取。

  3. 关于识别标题中的价格

    使用正则\b\d{4}\b识别标题中的价格信息，无法爬取少于1000元的信息。

  4. 关于爬取结果排序

    先根据价格从小到大排序，价格相同根据发帖时间排序。

  5. 关于爬取结果文件(.md扩展名)如何打开

    建建议下载软件：typora

  6. 如何设置cookie？

    1. 打开豆瓣小组，例如：https://www.douban.com/group/554566/discussion?start=0

    2. 按F12打开开发者控制台，点击Console控制台选项卡

      cookie1

    3. 输入document.cookie回车，复制内容（注意前后双引号不要复制）

      cookie2

    4. 将复制的内容粘贴在程序中

测试

操作系统 测试结果
windows 7 sp1 OK
windows 10 1909 OK