O perfil de um corretor de imóveis,
como uma única linha.

O Zillow exige um proxy residencial,
e a falha é silenciosa.

Esta é a primeira coisa a saber sobre este scraper, por isso ela não fica enterrada mais abaixo na página.

O Zillow bloqueia IPs de datacenter, e o PerimeterX é o mecanismo. Uma execução sem proxy residencial não dá erro, não avisa e não para - ela termina com sucesso e entrega um arquivo com a linha de cabeçalho de catorze colunas e nada abaixo. É uma falha pior do que uma queda, porque um arquivo vazio parece exatamente uma URL de perfil que não resolve. Se um perfil que você sabe que existe voltar vazio, cheque o proxy antes de checar a URL.

Podemos dizer isso com alguma segurança, e não como mera ressalva. Toda exportação que temos deste serviço está vazia, e também toda exportação dos nossos outros dois serviços de perfil do Zillow, os serviços de transações e avaliações, ao longo de execuções espalhadas por vários meses. Cada uma traz uma linha de cabeçalho correta e zero linhas de dados. É um retrato consistente e bem corroborado do que acontece sem uma saída residencial, e é por isso que o requisito aparece no topo e não em uma nota de rodapé.

A consequência para esta página é que os nomes das colunas são sólidos e o conteúdo das células não. Os catorze nomes abaixo, e a ordem deles, estão confirmados em dobro - pela linha de cabeçalho XLSX idêntica de vinte e oito execuções distintas e pelo array de colunas que a plataforma publica para este serviço, que batem exatamente. O que não vamos fazer é dizer como são os valores, porque não vimos nenhum. Onde uma descrição abaixo precisaria de um formato, uma escala ou um vocabulário, ela diz isso em vez de adivinhar.

query

A URL de perfil que você enviou, repetida na linha que ela produziu. Com uma linha por corretor, essa é a sua chave de junção de volta à lista de onde você partiu.

name

O nome do corretor como o perfil dele mostra.

business_name

A imobiliária ou empresa sob a qual o corretor está listado. Uma coluna separada de name, então um quadro se agrupa por empregador sem nenhum parse.

phone

O telefone de contato do perfil. Não o vimos preenchido, então não presuma um formato - nossas outras exportações variam conforme o mercado, e normalizar na entrada é o hábito seguro.

rating

A nota do corretor. Não há coluna de escala acompanhando nesta exportação - nada de max_rating -, então a escala não é recuperável a partir do próprio arquivo. Confirme-a em uma execução real antes de comparar esses números com outra plataforma.

review_count

Quantas avaliações estão por trás daquela nota. Se chega como número ou como texto está sem confirmação - mas note que é a presença dela que torna rating legível.

sales_count

O número de vendas atribuídas ao corretor no perfil dele. Formato não confirmado.

sale_price_range

A faixa de preço em que o corretor atua. O nome aponta para uma faixa e não para um número único, e é até aí que vamos - não vimos o formato nem o vocabulário.

location

Onde o corretor atua. Não vimos este campo preenchido, então não presuma se é uma cidade, uma região, um endereço completo ou vários lugares ao mesmo tempo.

license

O número da licença profissional do corretor. Vale saber que os formatos de licença diferem por estado dos EUA, então não dimensione nem valide uma coluna para ela com base em um único exemplo.

website

O site próprio do corretor, quando o perfil indica um.

screen_name

O nome de usuário do corretor no Zillow. Uma coluna separada de name - isso dá para ver pela linha de cabeçalho - mas não vimos nenhuma das duas preenchida, então não podemos dizer como diferem na prática.

photo

A foto de perfil do corretor, no servidor de imagens do Zillow.

profile_url

O link canônico para o perfil. É também o que o serviço aceita como entrada, então ele fecha o ciclo.

Os nomes são sólidos; os conteúdos ainda não. As catorze colunas acima e a ordem delas são corroboradas por duas fontes independentes - a linha de cabeçalho XLSX idêntica de vinte e oito exportações distintas e o array de colunas que a plataforma publica para este serviço -, então construa seu esquema em torno desses nomes com confiança. O que esta página não vai lhe dizer é o que as células contêm: toda exportação que temos é um cabeçalho sem linhas abaixo. Note a única lacuna estrutural: não há coluna max_rating aqui, então a escala da nota não é recuperável do arquivo e precisa ser confirmada em uma execução real. E o Zillow bloqueia IPs de datacenter, então uma execução ao vivo precisa de um proxy residencial - essa é a razão de aquelas exportações estarem vazias, e não qualquer dúvida sobre o conjunto de colunas.

A mesma URL de perfil,
lida de três maneiras.

Este aqui resume o corretor. Estes recebem a mesma entrada e devolvem outra coisa, ou cobrem o mesmo terreno em outro lugar.

O que as pessoas perguntam
antes de se cadastrar.

As perguntas que mais ouvimos. Mais alguma coisa? Fale conosco - quem escreve as respostas são humanos, não bots.