Pega una URL de búsqueda de venta o alquiler de StreetEasy y recibe todos los anuncios que hay en ella como filas: la dirección con y sin su unidad, el precio, el tipo de edificio, dormitorios y baños, la superficie, el barrio y el código postal, latitud y longitud, y los enlaces al anuncio y a su foto.
Cada filtro que pongas -distrito, franja de precio, número de dormitorios- ya está codificado en la URL. Cópiala de la barra y la ejecución reproduce esa búsqueda.
Una fila por anuncio, etiquetada con la consulta de la que salió y numerada en el orden en que StreetEasy la devolvió. StreetEasy bloquea las IP de centros de datos, así que las ejecuciones en vivo necesitan un proxy residencial.
Latitud y longitud llegan como columnas propias, así que la exportación es mapeable en cuanto aterriza: sin pasada de geocodificación, sin cruce de direcciones y sin una factura por fila solo para poner marcadores en un mapa.
name lleva la unidad - 80 Elizabeth Street #2K - mientras que address es el edificio sin ella. Agrupa por una para contar edificios y por la otra para contar unidades, sin partir cadenas tú mismo.
Las filas llegan numeradas en el orden en que StreetEasy las devolvió, así que lo que el sitio colocó primero para tus filtros se puede recuperar después. Vuelve a ejecutar la misma búsqueda más adelante y el movimiento es lo interesante.
Lo que lleva un resultado de StreetEasy: dónde está el inmueble, cuánto cuesta, en qué clase de edificio se encuentra y qué tamaño tiene.
Hay una columna que te morderá si la pasas por alto. price es una cadena con formato, no un número: llega como $820,000, con símbolo de dólar y separadores de miles incluidos. Conviértela directamente a número y obtendrás NaN en todas las filas; quita antes el $ y las comas. Todo lo demás numérico también es una cadena, incluidos bedrooms, bathrooms, size_sqft y las dos coordenadas.
Dos cosas más que conviene saber antes de filtrar por ellas. building_type es un enum, y uno de sus valores es UNKNOWN: hemos visto CONDO, CO_OP, HOUSE, TWOFAMILY y UNKNOWN, y la nomenclatura no es coherente entre ellos, así que compara la cadena exacta y no una versión aseada. Y bathrooms lleva medios: 1.5 y 2.5 aparecen ambos, de modo que un parseo a entero redondeará tus datos en silencio.
Una limitación que preferimos decir a dejar que la supongas. El extractor acepta búsquedas de venta y de alquiler, pero la exportación con datos que tenemos salió de una búsqueda de venta, así que el formato de precio $NNN,NNN está confirmado para ventas y conviene comprobarlo en tu primera ejecución de alquiler en lugar de darlo por hecho. Y como StreetEasy bloquea las IP de centros de datos, una ejecución en vivo necesita un proxy residencial.
La fila de cabecera de la exportación, en orden. Cuando abajo un campo aparece como opcional, eso describe lo que un anuncio de StreetEasy publicó, no el scrape.
80 Elizabeth Street #2K. Cuando un inmueble no tiene unidad, coincide exactamente con address.$820,000, con símbolo de dólar y separadores de miles. Quita ambos antes de convertir a número - mira la nota de abajo.CONDO, CO_OP, HOUSE, TWOFAMILY y UNKNOWN. Fíjate en la nomenclatura inconsistente y trata el vocabulario como abierto: compara la cadena exacta.0, así que no trates un cero aquí como un valor ausente.1.5 y 2.5 aparecen ambos, así que parsea como decimal y no como entero.Little Italy o East New York.latitude hace que la exportación sea mapeable sin un paso de geocodificación./sale/<id> y una ruta /building/<slug>/<unidad>.Una trampa, y es la primera columna a la que echarás mano. price es una cadena con formato - $820,000 -, así que convertirla sin quitar el símbolo de dólar y las comas da NaN en todo. Los demás campos numéricos también son cadenas, incluidas las dos coordenadas, así que convierte antes de representar u ordenar. Vigila dos enums: building_type incluye un UNKNOWN literal y sus miembros están nombrados de forma inconsistente, así que compara cadenas exactas; y bathrooms lleva medios, de modo que parséalo como decimal. Y name no es address: la primera lleva la unidad y la segunda no, que es lo que te permite contar edificios y unidades por separado. position existe solo en el JSON, así que una exportación CSV o XLSX tiene quince columnas y no dieciséis.
La entrada es la URL de StreetEasy de tu barra de direcciones, con tus filtros ya incorporados. Los dos tipos de búsqueda vuelven en las mismas quince columnas, una fila por anuncio.
Unos cuantos ejemplos de lo que vale una búsqueda inmobiliaria cuando es una tabla con coordenadas incluidas.
Extrae una búsqueda entera y agrupa por neighborhood y building_type. Quita el formato del precio una vez y podrás comparar una cooperativa con un condominio en la misma manzana en lugar de calcular a ojo sobre una página de resultados.
Latitud y longitud llegan por fila, así que el archivo entra directamente en un mapa. Eso elimina por completo el paso de geocodificación, que suele ser la parte más lenta y más cara de convertir anuncios en una imagen.
Vuelve a ejecutar la misma búsqueda de forma periódica y guarda los archivos. Comparar la columna url entre ejecuciones te dice qué es nuevo y qué se ha ido - y la columna position, cómo se movió la clasificación.
Sin suscripción, sin mínimo, sin factura recurrente. Tus primeras 500 filas corren de nuestra cuenta - después, pago por uso, a la misma tarifa plana que cualquier otro extractor de aquí.
En cada cuenta nueva, por única vez. Sin tarjeta de crédito. Límites por consulta, subida de archivos y todos los formatos de exportación incluidos.
Unos 2 $ por cada 1.000 anuncios. El estimador previo muestra el número de filas y el coste en créditos antes de que arranque una ejecución: sin facturas sorpresa y sin unidades de cómputo que traducir.
Precios por volumen, workers dedicados y un SLA para seguir muchas búsquedas de forma programada. Cuéntanos tus cifras y te pasamos presupuesto.
LIVESCRAPER10 al pagar.StreetEasy es Nueva York. Estos tres cubren el terreno de alrededor.
El mismo trabajo en el portal inmobiliario alemán - anuncios, precios y direcciones como filas. Útil si tu investigación abarca el mercado de más de un país.
La otra cara del mercado de alquiler neoyorquino: los anuncios que nunca llegan a un portal de agencias. Inventario distinto, misma ciudad, y merece la pena tenerlo al lado de este.
Lo que realmente hay alrededor de una coordenada: colegios, transporte, supermercados. Como esta exportación ya lleva latitud y longitud, el cruce entre ambos es trivial.
Respuesta corta: estos anuncios son publicidad inmobiliaria pública, pero StreetEasy es de Zillow y mantiene una postura firme frente a la recogida automatizada, así que lee esto en lugar de ojearlo.
Todo lo que se recoge aquí aparece en una página pública de resultados de StreetEasy para cualquier visitante, con sesión iniciada o sin ella: la dirección, el precio, el tipo de edificio, el número de dormitorios y baños, la superficie, el barrio, las coordenadas y la foto. Sin login, sin muro de pago, nada detrás de una cuenta. En la exportación no hay nombre de agente, ni teléfono de agencia, ni contacto del vendedor, ni columna para ello.
Preferimos señalar esto a que lo descubras después. StreetEasy bloquea las IP de centros de datos, que es una medida antiautomatización deliberada y no un accidente, y sus términos restringen la recogida automatizada. Eso no convierte los anuncios públicos en secretos, pero sí hace de esto una cuestión de términos con una posición real detrás. Si planeas volumen, o construir un producto sobre el resultado, busca asesoramiento para tu caso concreto en lugar de apoyarte en una regla general sobre datos públicos.
Una nota de protección de datos. Estas filas describen inmuebles, no personas - pero la dirección de una vivienda puede identificar a quien vive en ella, así que si combinas esta exportación con algo que nombre a los ocupantes has entrado en terreno de datos personales y se aplican las obligaciones habituales. No ejecutamos rastreadores de terceros en la capa de datos y tus exportaciones se borran solas a los 30 días.
Las preguntas que más nos hacen. ¿Algo más? Habla con nosotros: las respuestas las escriben personas, no bots.
Tus primeras 500 filas son gratis, sin tarjeta y sin suscripción. Después son 0,002 $ por fila, tarifa plana.
StreetEasy es donde se anuncia el inmobiliario neoyorquino, y una búsqueda en él es una vista filtrada que solo puedes leer tarjeta a tarjeta. El Extractor de StreetEasy convierte esa vista en filas. Envías una URL de búsqueda de venta o de alquiler -con tu distrito, franja de precio y número de dormitorios ya codificados en ella, una por línea o como subida CSV, XLSX, TXT o Parquet- y cada anuncio vuelve como un registro con la dirección, la unidad, el precio, el tipo de edificio, el número de dormitorios y baños, la superficie en pies cuadrados, el barrio, el código ZIP, latitud y longitud, y los enlaces al anuncio y su foto. Quince columnas en el archivo, dieciséis en el JSON, una fila por anuncio.
Las coordenadas son lo que cambia lo que puedes hacer con esto. Como latitude y longitude llegan por fila, la exportación es mapeable en cuanto aterriza: sin pasada de geocodificación, sin cruce de direcciones contra un segundo servicio, sin factura por fila solo para representar el inventario. Combínalo con la etiqueta de barrio y el tipo de edificio y una búsqueda se convierte en una imagen de un submercado en lugar de en una lista.
Una columna necesita cuidado antes de construir sobre ella. price es una cadena con formato, no un número: llega como $820,000 con el símbolo de dólar y los separadores de miles, así que convertirla directamente devuelve NaN en todas las filas. Quita antes el símbolo y los separadores. Lo mismo vale, más discretamente, para el resto: bedrooms, bathrooms, size_sqft y las dos coordenadas son todas cadenas, y bathrooms lleva medios como 1.5, así que parséalo como decimal y no como entero.
Dos notas honestas. building_type es un enum cuyos valores incluyen un UNKNOWN literal, y sus miembros están nombrados de forma inconsistente, así que compara cadenas exactas y no una conjetura aseada. Y StreetEasy bloquea las IP de centros de datos, así que los resultados en vivo necesitan un proxy residencial - dicho aquí en lugar de dejarlo por descubrir. Empieza gratis: tus primeras 500 filas no cuestan nada y no necesitan tarjeta, y después son 0,002 $ por fila, tarifa plana.