tw-rent-radar 🏠

多平台台灣租屋資訊命令列工具。

從 5 個台灣租屋平台一次爬取物件資料，存入本機 SQLite，透過終端機搜尋、篩選、分析，產出帶有捷運距離、品質標記、跨平台去重的 XLSX 報表。

tw-rent-radar crawl all --city 高雄市
tw-rent-radar search --max-price 15000 --cooking 可開伙 --near "高雄車站" --within 2
tw-rent-radar analyze --max-price 18000 --near "高雄軟體園區" --near "健身工廠" --within 3

功能特色

• 多平台爬取 — 591 租屋網、樂屋網、方齊物業、Facebook 社團、Facebook Marketplace
• 進階搜尋 — 依縣市、價格、格局、類型、開伙、瓦斯篩選
• 多點距離搜尋 — --near 可重複使用，--near-mode all|any 控制 AND/OR 邏輯
• 分析報表 — analyze 指令產出帶色標的 XLSX，含捷運距離、品質標記、跨平台去重、長期上架偵測
• 智慧推斷 — 從標題/描述自動推斷開伙政策和瓦斯類型
• LLM 友善 — 所有查詢指令支援 --json 和 --fields，適合與 AI 工具整合
• 本機 SQLite — 免安裝資料庫，單一檔案，自動去重
• 匯出 — 支援 .csv 和 .xlsx 匯出

支援平台

快速開始

# 複製專案
git clone https://github.com/LZong-tw/tw-rent-radar.git
cd tw-rent-radar

# 建立虛擬環境（Python 3.12+）
python -m venv .venv
source .venv/bin/activate        # Linux/macOS
source .venv/Scripts/activate    # Windows (Git Bash)

# 安裝
pip install -e ".[dev]"
playwright install chromium

Geocoding 設定（距離搜尋用）

建議使用 Google Maps Geocoding API（TGOS 不開放個人申請）。

在 ~/.tw-rent-radar/config.json 設定：

{
  "google_api_key": "你的 Google Maps API Key"
}

或設定環境變數 GOOGLE_MAPS_API_KEY。

使用方式

crawl — 爬取租屋資料

tw-rent-radar crawl 591 --city 高雄市
tw-rent-radar crawl rakuya --city 台北市
tw-rent-radar crawl fcrent
tw-rent-radar crawl fb_group --group "5911高雄租屋"
tw-rent-radar crawl all --city 高雄市

# 爬取含詳情頁（開伙、瓦斯、設備）
tw-rent-radar crawl rakuya --city 高雄市 --fetch-details

search — 搜尋已儲存的物件

# 基本搜尋
tw-rent-radar search --city 高雄市 --max-price 15000

# 開伙 + 天然瓦斯
tw-rent-radar search --cooking 可開伙 --gas-type 天然瓦斯

# 距離搜尋（單點）
tw-rent-radar search --near "高雄軟體園區" --within 2

# 多點距離搜尋（必須同時靠近兩個地點）
tw-rent-radar search --near "高雄軟體園區" --near "健身工廠" --near-mode all --within 3

# JSON 輸出（適合 LLM 或其他工具）
tw-rent-radar search --city 高雄市 --json --fields title,price,district,url

# 匯出
tw-rent-radar search --city 高雄市 --output results.xlsx
tw-rent-radar search --city 高雄市 --output results.csv

analyze — 產生分析報表

# 產生帶有捷運距離、品質標記的 XLSX 報表
tw-rent-radar analyze --max-price 18000 --near "高雄軟體園區" --within 3

# 多 POI + 開伙篩選
tw-rent-radar analyze --max-price 18000 --cooking 可開伙 \
  --near "高雄軟體園區" --near "健身工廠" --within 3

報表包含：

其他指令

tw-rent-radar show 42              # 檢視單一物件
tw-rent-radar show 42 --json
tw-rent-radar stats                # 資料庫統計
tw-rent-radar list sources         # 支援的平台列表
tw-rent-radar db reset             # 重設資料庫

LLM 整合

tw-rent-radar 設計為可供 LLM 直接呼叫的命令列工具。所有查詢指令支援 --json 結構化輸出與 --fields 欄位篩選。

# 爬取 → 查詢 → 取得結構化資料
tw-rent-radar crawl 591 --city 高雄市
tw-rent-radar search --city 高雄市 --max-price 12000 --json --fields title,price,district,url

[
  {
    "title": "三民區套房 近火車站",
    "price": 8500,
    "district": "三民區",
    "url": "https://rent.591.com.tw/rent-detail-12345678.html"
  }
]

開發

pytest                           # 單元測試
pytest -m e2e                    # E2E 測試（連線實際網站）
ruff check src/ tests/           # 靜態分析
ruff format src/ tests/          # 格式化
pre-commit install               # 安裝 Git hooks

專案結構

src/tw_rent_radar/
├── cli.py                 # Click 命令列（crawl, search, analyze, show, stats）
├── db.py                  # SQLite + SQLAlchemy ORM
├── analysis.py            # 分析引擎（捷運距離、品質標記、dedup、XLSX）
├── geo.py                 # Geocoding（Google Maps）+ Haversine 距離
├── output.py              # Rich 表格 / JSON 格式化
└── crawlers/
    ├── base.py            # 爬蟲 ABC + 文字推斷（開伙/瓦斯）
    ├── rent591.py         # 591 租屋網
    ├── rakuya.py          # 樂屋網
    ├── fcrent.py          # 方齊物業
    ├── fb_auth.py         # Facebook 連線管理
    ├── fb_group.py        # Facebook 租屋社團
    └── fb_market.py       # Facebook Marketplace

授權條款

MIT