中国土地市场网landchina.com数据采集心得
年初接到老板任务,让采集下这个网的数据,我一看是网站觉得简单,就说3天搞定,结果这一搞搞了2-3个月。
就这一折腾,就几个月过去了,才慢慢把土地成交200万数据,抵押,转让,一个40万,一个80万,共300多万数据提取下来。
这个网的问题如下,
1、采集太快禁ip
2、页面有200页限制
3、详细页中没有省份信息
4、用代理采集,可以加快速度,结果网站容易挂
5、后来还加了电子 狗加密。
6、经常网站维护
7、网页看似规则,但有几个字段麻烦,爬多了后来发才现。
我习惯用python + scrapy + mysql,目前没有接redis,基本上也够用了。
代码我就没有放了,因为维护的快,网上也有一些,解析基本上大同小异。
主要几点心得就是
1、采集大量数据不能猴急,细水长久,慢慢来,不能并发太多,这网太慢了,有时人工查也慢,容易挂。我看到有人弄这个的网的数据,几个月了,也没弄完,其实就是天天说这出问题,那出问题,其实速度放慢就可以,慢慢来。
2、一般要用数据库,去重,记录上次爬取的状态,或分省,分时间段爬取,在爬虫中断后,可以快速的继续上次的状态,而不用重来一次。
3、有时技术,框架什么的可能都不是很重要,实用为上,可以说我是以时间为代价换成果的
4、注意以上几点,其它的就是技术细节的问题了,都不会太麻烦。
中国土地市场网landchina.com数据采集心得相关推荐
- 中国土地市场网-js解密
一.背景 目标链接:http://www.landchina.com/default.aspx?tabid=226 ,中国土地市场网,获取相应的行政区代码.标题.详情页链接和发布时间 二.过程 1.确 ...
- 中国土地市场网爬虫——浏览器Cookie验证(简单)
很久以前研究过中国土地市场网(www.landchina.com),当时只抓取了一个城市的数据2万多条的数据,当时只是觉得服务器经常宕机,还没有发现有怎么反爬虫的限制.最近空闲准备把所以的数据抓取下来 ...
- 中国土地市场网爬虫——字体woff加密还原
通过我上篇博客:中国土地市场网爬虫--浏览器Cookie验证(简单) 和中国土地市场爬虫--浏览器cookie验证(图片验证码)讲述了中国土地市场网(www.landchina.com)的两种访问限制 ...
- 【2020-09-30】一个适合爬虫练手的网站--中国土地市场网
声明:本文只作学习研究,禁止用于非法用途,否则后果自负,如有侵权,请告知删除,谢谢! 项目场景: 想必做过爬虫的工程师,都接触过中国土地市场网这个网站吧,网上也有很多相关的爬取方式介绍,我看了几篇往年 ...
- 2012年中国土地市场网数据(含经纬度)
数据集名称:2012年中国土地市场网数据(含经纬度) 时间范围:2012年 相关说明:土地市场是土地在流通过程中发生的经济关系的总和.主体是土地买卖双方,客体是土地,主体之间的种种利益关系构成了市场. ...
- 最新中国土地市场网JS逆向分析
目标网址:中国土地市场网 重要说明:文章教程仅供参考学习,请勿用于非法用途,否则后果自负. 目录 一.接口参数分析 二.程序代码编写
- 中国土地市场网爬虫案例
本案例以土地市场列表页请求.供地结果搜索页请求为例,其实网站采集难度不大,但是一些细节值得学习. 链接:https://www.landchina.com/default.aspx?tabid=263 ...
- 中国土地市场网信息爬取--requests+Selenium多线程爬取
这次爬取的网站是中国土地市场信息网站https://www.landchina.com/default.aspx?tabid=263 先进行观察分析这个.发现这个网站以下有几个特点: 1.网站响应速度 ...
- 免费提供中国土地市场网,城市售票网,银行卡号归属地查询,健康驿站房间线上预约系统等分析和代码
如上图付费专栏的内容我都有,需要的朋友找评论区.
最新文章
- Pytorch预训练模型下载并加载(以VGG为例)自定义路径
- 深度学习与计算机视觉系列(10)_细说卷积神经网络
- angular和JAVA实现aes、rsa加密解密,前后端交互,前端加解密和后端JAVA加解密实现
- linux spoon.sh闪退,解决Linux Kettle出现闪退问题
- python 石头剪刀布,Python石头剪刀布完整代码
- mysql不能访问order,使用ORDER BY时,MySQL不使用索引(“Using filesort”)
- php 网络爬虫,爬一下花瓣的图片
- 如何查看微信小程序服务器域名并且修改
- 小tips:页面滚动到关闭时的位置与不滚动
- 物联网芯片+区块链底层融合:紫光展锐开创产业升级新思路
- 多媒体——音频——使用录音机录制音频
- COMPUTER METHODS AND PROGRAMS IN BIOMEDICINE期刊投稿
- 用Xbee实现Arduino之间的无线通信,远程控制小灯
- MPX + Vant Weapp 在微信小程序中实现Picker选择器
- 积微成巨(1)--collect
- 4篇高水平论文认定A类博士!享税后120万安家费!直接入编,三年副教授待遇...
- 第6-3课:博弈树与井字棋(Tic-Tac-Toe)
- 【python】20行代码实现有道翻译api接口调用
- 仿中华英才网城市选择
- JavaScript-Ajax
热门文章
- 关于Android 12 适配,看这篇就够了
- 黑暗之光第2章:角色创建(魔法师和剑士)
- java,NIO非阻塞式网络通信DEMO.
- 如何将多个PDF文件合并为一个PDF文件?PDF文件合并教程
- 梅科尔工作室-许博利-鸿蒙笔记2
- 第十三届蓝桥杯(Web 应用开发)线上模拟赛第一题
- 【广东开放大学(广东理工职业学院)主办】第二届计算机图形学、人工智能与数据处理国际学术会议(ICCAID 2022)
- Linq(1.延迟的查询执行)
- 电灯开关-第12届蓝桥杯Scratch省赛2真题第1题
- oracle 删除用户 ora-00604,删除用户ORA-00604和ORA-00054