大众点评网全国数据2015年08月份更新（1480万条）

原文作者：西安鲲之鹏

原文链接：http://www.site-digger.com/html/articles/20150907/99.html

数据说明：
大众点评全网数据（324个国内城市，所有分类），本次共采集商户数据超过1480万条（14,860,209条）。2015年8月底更新。

有图有真相：

更新说明：
■  采用新的遍历方式，总数据条数有明显增加（和5月份版本相比增加数据条数180万）。
■  增加对“锡林郭勒”和”阿拉善”两城市的采集。
■ 新增default_remarks字段，对应页面上的默认点评数。原all_remarks对应页面上的全部点评数。
■  修复由于大众点评改版造成的部分商户“商圈”字段为空的Bug。
■  修复部分商户“区域”字段有误的Bug，部分商户没有区域信息（例如http://www.dianping.com/shop/4431668）采集到的“区域”为地址。
■  修复了部分分类下由于页面结构不一样导致经纬度提取失败的Bug。
■  “酒店”和“教育培训”类的模版不一样，增加了对这两类商户的处理。
■  增加了对部分商户“关店”标志不一样的情况处理（例如http://www.dianping.com/shop/1584226）。
■  推荐菜recommended_dishes字段增加每道菜的推荐人数信息。

详细字段说明：
“shop_id”(商户ID，唯一、固定不变),“mall_id”（商户所述商场的shop_id），“verified”（是否加V）,”is_closed”（是否停业）,”name”（商户名称）,”alias”（别名）,”province”（省）,”city”（市）,”city_pinyin”（市拼音）,”city_id”,”area”（区）,”big_cate”（一级分类）,”big_cate_id”,”small_cate”（二级分类）,”small_cate_id”,”address”（地址）,”business_area”（商圈）,”phone”（电话）,”hours”（营业时间）,”avg_price”（均价）,”stars”（星级）,”photos”（图片）,”description”（描述）,”tags”（标签）,”map_type”,”latitude”（维度）,”longitude”（经度）,”navigation”（导航）,”traffic”（交通）,”characteristics”（特色）,”product_rating”（口味/产品评分）,”environment_rating”（环境评分）,”service_rating”（服务评分）,”all_remarks”（全部点评数）, “default_remarks”（默认点评数）,”very_good_remarks”（5星数）,”good_remarks”（4星数）,”common_remarks”（3星数）,”bad_remarks”（2星数）,”very_bad_remarks”（1星数）,”recommended_dishes”（推荐菜）,”recommended_products”（推荐产品）,”parking”（停车位信息）”,nearby_shops”（周边商户）,”is_chains”（是否是连锁店）,”take-away”（是否外卖）,”group”（团购信息）,”card”（会员卡）,”latest_comment_date”（最新评论日期）

在线示例数据：
点击查看大众点评网2015年08月份在线示例数据

数据格式：
CSV（最通用的数据交换格式）或MySQL。

字符编码：
UTF-8。

关于本数据的FAQ：
1. 你们多久更新一次数据？
答：大概3-4个月更新一次。

2. 你们完整采集一次要花多长时间？
答：一个月左右。我们每次都是全量采集，每次下载页面量多达2000万。

3. 你们采集到的数据量为什么这么大，我自己采集为什么只能采集到200多万？
答：大众点评网的列表页有页数限制。我们采用递归子分类和子区域，结合遍历shop_id的方式，最大程度上保证了数据的完整性。

4. 我发现你们的数据缺失了某个店铺，是什么原因造成的？
答：这很正常，在采集开始到采集完成这一个月内又会新增很多的店铺，而这些店铺的数据肯定会漏掉。

5. 我发现了一个Bug，你们能给处理吗？
答：在数据购买半个月内，如果该Bug的影响范围大于10%，我们将立即处理，并免费提供一份处理后的数据。如果该Bug的影响范围小于10%，我们不能立即处理，但会在下一个版本中进行修复。
由于大众点评网的模板种类很多，要兼顾各种特殊情况，我们也在不断的修复数据中存在的历史问题。

6. 我想增加一个字段，可以吗？
答：不行，购买现成的数据不提供任何修改支持。如果你想自定义字段，建议申请定制采集服务（费用会远高于购买现成数据）。

7. 数据总量有多大？这么大怎么传给我？
答：8GB左右。通过百度网盘共享（有提取密码）。

8. 你们能否帮我将数据导入数据库？
答：抱歉，你需要自己完成导入的过程。可以参考我们的导入教程：
SQL文件 -> MySQL <A style="BORDER-BOTTOM: 0px; BORDER-LEFT: 0px; PADDING-BOTTOM: 0px; BACKGROUND-COLOR: transparent; MARGIN: 0px; OUTLINE-STYLE: none; OUTLINE-COLOR: invert; PADDING-LEFT: 0px; OUTLINE-WIDTH: medium; PADDING-RIGHT: 0px; COLOR: rgb(11,145,234); FONT-SIZE: 13px; VERTICAL-ALIGN: baseline; BORDER-TOP: 0px; BORDER-RIGHT: 0px; TEXT-DECORATION: none; PADDING-TOP: 0px" title=http://www.site-digger.com/html/articles/20150921/101.html href="http://www.site-digger.com/html/articles/20150921/101.html" target=_blank>http://www.site-digger.com/html/articles/20150921/101.html
CSV -> MySQL <A style="BORDER-BOTTOM: 0px; BORDER-LEFT: 0px; PADDING-BOTTOM: 0px; BACKGROUND-COLOR: transparent; MARGIN: 0px; OUTLINE-STYLE: none; OUTLINE-COLOR: invert; PADDING-LEFT: 0px; OUTLINE-WIDTH: medium; PADDING-RIGHT: 0px; COLOR: rgb(11,145,234); FONT-SIZE: 13px; VERTICAL-ALIGN: baseline; BORDER-TOP: 0px; BORDER-RIGHT: 0px; TEXT-DECORATION: none; PADDING-TOP: 0px" title=http://www.site-digger.com/html/articles/20120525/34.html href="http://www.site-digger.com/html/articles/20120525/34.html" target=_blank>http://www.site-digger.com/html/articles/20120525/34.html

 

特别说明：该文章为西安鲲之鹏的原创文章 ，你除了可以发表评论外，还可以转载到你的网站或博客，但是请保留源地址，谢谢!!（尊重他人劳动，你我共同努力）