微信找房机器人

Question

身在帝都的人都知道租房的困难，每次找房都是心力交瘁。其中豆瓣租房小组算是比较靠谱的房源了，但是由于小组信息繁杂，而且没有搜索的功能，想要实时获取租房信息是件很困难的事情，所以最近给自己挖了个坑，做个微信找房机器人，先看大概效果吧，见下图：

实现

说下大概的技术实现吧，首先是 scrapy 爬虫对于豆瓣北京租房的小组实时爬取，存储在 mongodb 中，因为做的是全文检索，所以对 title, description 使用 jieba 和 whoosh 进行了分词和索引，做成 api。接下来就是应用的接入，网上有微信机器人的开源 wxBot ，所以对它进行了修改，实现了定时推送和持久化。最后顺便把公众号也做了同样的功能，支持实时租房信息搜索。

部分代码

scrapy 支持自定义 pipeline，能很方便的实现数据录入的时候实时生成索引，见 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'),
            title=item['title'],
            description=item['description'],
            create_time=create_time
        )
        self.writer.commit()
        return item

搜索 api 代码很简单：

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

微信机器人代码自己去看原作者的吧，写的挺清晰的，至于整个项目的代码现在还没整理完，整理完后考虑开源。