前言 笔者在做一个 NLPNLPNLP 项目时，需要识别小区名，因此想要查询网上是否有相关的数据集。经过一番搜索后一无所获…从而决定自己来爬取这份数据。 由于爬取网站的内容信息之后可能会发生变更，因此此处给出具体的爬虫思路，便于应对之后的网站结构变更。 方法 1. 爬取网站的确定 既然是爬虫，那首先就需要确定爬取网站。这时候就需要思考哪些网站可能会涉及小区名字？ 国家统计网？经过一番搜索，没找到… 房屋中介网？√ 因此我们可以选取比较知名的房屋中介网来进行小区名爬取，此处选取的网站是链家，原因