第 87 章 网络爬虫
大神说rvest 马上推出1.0版本了。
87.1 链家网
urls <- paste0("https://sh.lianjia.com/ershoufang/pg", seq_along(1:2))
scrape_house_info <- function(url) {
web <- read_html(url)
title <- web %>%
html_nodes('.clear .title a') %>%
html_text()
houseinfo <- web %>%
html_nodes('.houseInfo') %>%
html_text()
price <- web %>%
html_nodes('.totalPrice span') %>%
html_text()
price_per <- web %>%
html_nodes('.unitPrice span') %>%
html_text()
df <- data.frame(title, houseinfo, price, price_per)
return(df)
}
## title
## 1 笋盘!飞机户型南北通大三房,静安内环内地铁口,速看
## 2 满五税费少次顶楼 南北通透 户型方正 商品房一梯两户
## 3 房龄新,楼层适中,视野好,精装修
## 4 绝世好房,带地暖铁低总价二房,通风采光佳,满五税少
## 5 满五年税费少,诚意出售看房方便,近万达,精装修
## 6 经典花园洋房,纯商品房,户型正气,业主诚意出售,
## houseinfo price
## 1 3室2厅 | 130.98平米 | 南 | 精装 | 7层 | 1999年建 | 板楼 1130
## 2 2室2厅 | 75.08平米 | 南 北 | 简装 | 高楼层(共12层) | 板楼 340
## 3 3室2厅 | 87.62平米 | 南 | 精装 | 中楼层(共7层) | 2015年建 | 板楼 252
## 4 2室2厅 | 80.03平米 | 南 | 精装 | 高楼层(共6层) | 2007年建 | 板楼 475
## 5 3室1厅 | 88.26平米 | 南 | 精装 | 低楼层(共7层) | 板楼 203
## 6 3室2厅 | 123.77平米 | 南 北 | 精装 | 高楼层(共6层) | 1998年建 | 板楼 780
## price_per
## 1 86,273元/平
## 2 45,286元/平
## 3 28,761元/平
## 4 59,353元/平
## 5 23,001元/平
## 6 63,021元/平
87.2 猪肉价格
df_price <-
read_html("https://hangqing.zhuwang.cc/shengzhu/20190905/407978.html") %>%
html_node(".tabzj") %>%
html_table(header = T) %>%
set_names(
c("region", "name", "price_today", "price_yestoday", "diff_last_day", "diff_last_week")
) %>%
mutate_at(vars(name), ~str_remove_all(., " ") ) %>%
mutate_at(vars(name), ~if_else( name == "黑龙江", "黑龙江省", .))
df_price %>%
head()
## # A tibble: 6 × 6
## region name price_today price_yestoday diff_last_day diff_last_week
## <chr> <chr> <dbl> <dbl> <dbl> <dbl>
## 1 华东 安徽省 28.0 27.8 0.24 0.37
## 2 华东 山东省 26.6 26.7 -0.05 0.83
## 3 华东 浙江省 29.9 29.8 0.1 1.84
## 4 华东 江西省 28.9 28.6 0.33 0.4
## 5 华东 福建省 29.1 28.9 0.23 0.52
## 6 华东 江苏省 28.0 28.4 -0.38 0.88
china <- st_read("./demo_data/chinamap_data/bou2_4p.shp") %>%
st_set_crs(4326) %>%
group_by(NAME) %>%
summarize()
## Reading layer `bou2_4p' from data source
## `E:\R_for_Data_Science\demo_data\chinamap_data\bou2_4p.shp'
## using driver `ESRI Shapefile'
## Simple feature collection with 925 features and 7 fields
## Geometry type: POLYGON
## Dimension: XY
## Bounding box: xmin: 73.44696 ymin: 6.318641 xmax: 135.0858 ymax: 53.55793
## CRS: NA
china_uni <- china %>%
mutate( NAME = iconv(NAME, "GBK", "UTF-8") ) %>%
mutate_at(vars(NAME), ~str_remove_all(., "自治区|回族|维吾尔|壮族") ) %>%
mutate_at(vars(NAME), ~str_trim(.))
ggplot(data = df) +
geom_sf( aes(fill = price_today < 28), show.legend = FALSE) +
geom_sf_text(aes(label = NAME),
size = 3
) +
geom_sf_text(aes(label = price_today),
size = 3,
#nudge_x = c(-0.4, 0.5, 0.7),
nudge_y = c(-1, -1, -1)
) +
coord_sf(crs = 4326) +
ggtitle("全国猪肉价格地图")