租房

No.2 大娃二娃的转租纪实经历 2019年11月23日21:22:11 大娃记录 我在干什么呢？在发布转租消息。在浏览各大平台，豆瓣，咸鱼，58, QQ，微信 等等平台一遍又一遍的发着转租消息。 但是越发越来没有动力，因为在发的过程中看到了太多的转租消息了，光是我们这一个小区在咸鱼上（咸鱼不是专门的转租平台）就有几十条类似的消息。这些消息发起来很不容易，看到的人又很少。为什么都在坚持这发布转租消息呢？ 接下来带你了解北京人人皆知的一项活动： 租房找房转租房子 ，事情的经过是这个样子的： 你租房的时候，房东，中介各种好说歹说介绍房子有多好多好啊，签合同的时候北京的合同都是签约一年的。当你因为工作原因转租或者各种原因不能继续住下去的时候，你的麻烦就来了。为什么呢，因为你要转租的话，合同上写的是直接扣除你押金的百分之200，对，没有看错，就是押金的百分之200。我刚开始的时候还想着，大不了不住了，直接退组，退组的话大不了不就扣个2000块钱嘛。结果呢，现在只能老老实实的在各种平台上自己发布转租消息。 我今天也尝试在天通苑地铁站附近转悠，找那些曾经路过就会拉着我问‘租房找房吗’的那些中介大妈大爷们，结果呢，一无所获，我本来还想着给他们支付一个月的房租，然后麻烦他们在平时带人看发给你的时候能够看一下我们的房子，结果呢：真好，一个人都不愿意，基本上都是因为都知道转租不容易

1.什么是代理 　　目标对象/被代理的对象——类似于房主：真正的租房的方法 　　代理对象——中介：调用房主的租房的方法 　　执行代理对象方法的对象——租房的人 　　流程：调用对象——代理对象——目标对象 2.动态代理 　　a: 　　 　　b: 　　 　　c: 　　 来源： https://www.cnblogs.com/Life-is-Demo/p/11832363.html

我们现在来学习代理模式,我们首先看一下代理模式的定义与类型,他的定义是说,为其他对象提供一种代理,以控制对这个对象的 访问,代理对象在客户端和目标对象之间呢,起到一个中介的作用,那这句话如何理解,就和我们租房子是一样的,假设我们找中介, 租房子,然后呢租那种全托管的房子,最后出租出来的房子呢,是房东,房东呢,就是目标对象,那水电费结算,都是代理类来做的, 代理类就是中介,但是我们直接可以和代理,也就是和租房中介来签租房合同,不需要和房东直接接触,也就是中介代理房东, 来和我们签这个合同,并且他对目标对象进行了一个增强,例如在签合同之前,先草拟合同,签完合同之后呢,还进行了一些水电费 核算的,这些工作,那这两点可以理解成,租房子的一些方法,对他的一个增强,那你们学Spring都用过AOP,那AOP就是面向切面编程, OOP就是面向对象编程,那AOP里面的before和after,就可以理解成before就是草拟合同,after就是水电费结算,而要增强的目标方法呢, 正是租房子这种行为,那他的类型是结构型 然后我们来看一下代理的适用场景,首先保护目标对象,例如租房子,我们可能连房东面都没见过, 房东长什么样我们都不知道,然后呢增强目标对象,那增强目标对象呢,这里面范围也比较大,比如增强 目标对象的一个租房子,这个行为方法,也是增强目标对象 那我们可以看一下代理对象的优点有哪些呢

在一个来北京不久的学生眼中，北京是一个神秘又充满魅力的大城市。它无比美好，但又无时无刻不再觊觎这你薄弱的钱包。 租房是很多人都离不开的硬性需求，这里就对从链家爬取的北京地区房屋出租数据进行一个简单分析。 1. 明确需求 这次爬取数据分析的目的在于，通过爬取链家发布的租房信息，发现北京各地区的租房价格差异，以及探索影响北京租房价格的主要因素。 2. 提出猜想 简单分析了一下影响租房价格的因素，根据可以爬取到的数据选取了以下几个点： 租房价格同面积、地理位置、公共交通因素高度相关 租房价格受房屋格局、有无供暖因素影响 租房价格几乎不受楼层、朝向、看房便利等因素影响 因为分析影响租房价格因素的树形图太长，放在文章末尾。 初步分析后借鉴了这篇文章加以完善： 年轻人在租房网站找房的时候，他们在看什么？ 3. 数据获取 租房数据全部来源于链家北京租房板块发布的信息，如下： 因为链家在当前分类下只最多展示100页共3000条数据，所以这里选择按照链家给出的地区分类，遍历爬取其所有地区展示的租房信息： 4. 数据清洗 1）调整格式 对房屋价格、房屋面积等字段进行调整，提取其中的数值。 2）重复值 格式调整后发现存在5182条重复数据，判断重复数据的标准为house_url字段，即每间房屋在链家上都对应唯一一个展示网页。 查看数据，发现在一对重复的数据间，除了posi_name和poai

北京的生活成本是不是很大？这是很多朋友心中的困惑，有很多我身边的朋友在没毕业之前就觉得北京的生活成本很大，在找工作的时候直接放弃了找北京工作的打算，目标定向了成都、杭州、西安等这些非北上广的城市。 说实话，我在没来北京之前，也觉得北京生活成本很高，也很担心自己能不能在北京扎根下来，总觉得那可是北京啊、帝都啊。但在北京目前工作了快两个月，体验了一波北漂的生活，回过头来看看，北京的生活成本没有想象中的那么大的离谱。 北京生活成本是高，但不至于是那种种高到活不下去的那种地步。从衣食住行四个方面唠唠 首先说一下租房的花销，我和我身边的朋友同学租的自如房子差不多都是3000块左右一个月，当然如果你有男女朋友的话这个费用可以减半，我认识的一个同学就是和自己的高中室友合租，一人1500一个月，还是很便宜的，不过这个得和很熟的人一起合租了，要不然麻烦事不少。 如果不想两个人一起挤一间房子，那么自如一个月3000块左右可以搞定（到公司最长大概半个小时）；如果想更便宜一些，那么可以花点功夫去链家蛋壳去找房子，2000、2500价位都有，又可以在租房上节省点开支。 租房 2500 除了租房，最重要的就是吃了。我们公司是早餐免费，午餐20补贴，晚餐自己掏，夜宵8点免费吃，所以一个月吃的话真花不了几个钱。当然不是所有的公司吃饭的补贴都一样，我按照我周末吃外卖的花销来计算一下如果三餐都是自己掏的话

【1】代理：Proxy，Agent 【2】代理是什么？？ 举例： 房东 租客 如果你直接租给租客的话：带她看房子，砍价还价，签合同，定期检查房屋，打扫房屋 最有效率的办法： 房东（被代理的人，真实对象） —》 中介—》租客 房东：省事， 房东：最关注的租房拿钱！ 中介（代理）： 在帮助房东完成租房的基础上，可以提供一切辅助服务，来简化房东的经历 体现到代码中： 房东：写代码：租房 代理写代码： 帮房东租房，在租房的基础上多加很多辅助的业务逻辑 租客：对租客有好处的，更加安全，正规签合同 【3】使用代理的好处： （1）保护真实对象 （房东） 租客不是直接和房东打交道，和代理中介打交道 （2）真实对象只需要关注主要的业务逻辑，额外的辅助的事情都交给代理来做！ 【4】代理模式中涉及到的角色： （1）标准 （接口） 真实对象，代理 必须实现同一套标准 （2）目标（真实对象）----》房东 （3）代理 —》中介 ：中介实际租房，其实本质上还是房东在出租房子，本质还是房东在收钱，代理 是在这个 》租客 【5】代码： 接口： /** 真实对象和代理 必须按照同一套标准来合作 */ public interface Rent {//租房 //你拿钱我给房： Object rentHouse(double money); } 房东： package com.bjsxt.test05; /* 房东 *

0 爬前工作 决定毕业后前往深圳工作，想要了解深圳的租房市场。通过结合网上对链家网爬取经验，开始自己的爬取工作 分析URL https://sz.lianjia.com/zufang/ 其中，sz是城市，如想获得其它城市可以更换；zufang表示租房 https://sz.lianjia.com/zufang/luohuqu/ 限定罗湖区后，URL增加luohuqu，想要那个区加上那个区的拼音 https://sz.lianjia.com/zufang/luohuqu/rt200600000001/ 限定整租后，URL增加rt200600000001，类型：整租:rt200600000001 合租:rt200600000002 https://sz.lianjia.com/zufang/luohuqu/pg2rt200600000002/#contentList 打开第二页后，URL增加pg2 后继还有租金、户型、朝向等不做限定 宽表设计 浏览网页后根据自己分析需要设计了如下宽表： district1 区 district2 区域 address 详细地址 rentType 出租类型 size 大小 toward 朝向 zone 格局 price 价格 tag 标签 需要用到的包 import requests # 爬取网站 from bs4 import

基于之前另外一篇博客爬取的链家网深圳租房信息的数据分析 背景和目标 没去过深圳、没有自己租过房。但是大四及其之后想到深圳工作租房。 深圳的房价一直是每个刚去找工作的人的热门话题，所以什么样的房子才是我所青睐的。 通过对深圳租房数据进行分析，为我后续到深圳想要租房的方便作参考 指标设计 针对先前爬取的宽表继续修改 本身不喜欢和不认识的人合租，所以剔除点出租类型是“合租”，保留“整租” 地址的考虑只在区范围考虑，更详细的地址暂不做考虑 房子朝向还不懂，不做考虑 增加一列房子的房间数量 增加一列房子每平放的月租 增加一列房子每个人的月租 增加一列是否公寓 增加一列是否近地铁 district1 size toward zone price room avg_price_size avg_price_room tag is_dep close_subway 区 大小 朝向 格局 价格 房间数 每平米月租 每人月租 标签 公寓 近地铁 数据分析 房源分析 出租房源主要在深圳的西部，判断西部的待出租房源多，相对可供的选择也多 房租分析 区域房租分布 深圳个人房租高的地方主要集中在科技园附近，大多数互联网公司附近。 基本上房租高的地方，每个人需要承当的房租也高 南山区和龙岗区的每人月租均价趋势和总月租的趋势有所差别，说明南山区多人合租的较多而龙岗区独自租房的较多 南山区、福田区