Zillow 抓取：挂牌标识、价格与状态历史

Zillow 抓取首先提出数据模型问题，而不是页面采集问题：比较的记录究竟是什么？实体房产、来源挂牌、报价与观察是不同实体。按当前 URL 覆盖一行记录，可能掩盖重新挂牌、混淆租金与售价，并把刷新失败变成虚假的市场事件。BotBrowser 为获准观察提供声明的浏览器和地理输入；它不提供房产数据，也不授予门户访问权。使用获准来源，仅保留被允许的历史，并让每个变化都对应明确的挂牌记录。

摘要

• 来源挂牌键、房产引用与 URL 的含义不同。应核实实际语义，而不是假定存在永久全局键。
• 只有币种、交易类型和计价基础一致，价格才可比较。相等数字也可能表示不同报价。
• 分别保留来源状态与观察结果。卡片缺失、超时或解析失败不证明成交或撤牌。
• 将获准刷新视为对已接受观察的带类型比较，而不是无条件覆盖最新记录。
• 官方 API 或行业标准本身不授予访问权或无限保留权。遵守实际来源协议，许可不可用时停止。

目录

• 选择获准的挂牌来源
• 区分房产、挂牌与观察身份
• 按交易含义比较价格
• 保留状态证据而不编造市场事件
• 对每次刷新执行带类型的比较
• 限定浏览器环境与存储的职责
• 实践结论

选择获准的挂牌来源

Zillow Group MLS Listings 文档将 Bridge Listing Output 描述为访问 MLS 挂牌数据的平台，数据按 RESO Data Dictionary 规范化。文档还明确表示，访问由美国和加拿大的各 MLS 合作方决定，平台目前采用邀请制。因此，有文档的集成是带条件的来源选项，不是公开数据集使用资格。能读取文档，不代表已获挂牌数据集的认证访问权。

开发者目录列出面向公众和合作伙伴、涉及不同房地产业务的服务，但不证明某应用可获取全部房产字段，或将它们用于任何目的。开发采集器之前，先确定实际提供方、可用数据集、获准字段和预期用途。适用协议还必须回答保留和再分发问题。技术可用性与受支持集成，都弱于特定应用的使用许可。

RFC 9309明确说明 robots 规则不是访问授权。页面公开可见，同样不能解决协议问题。来源若禁止预期采集用途，就不应采用浏览器变通方式；应选择获准替代来源，或返回不受支持的需求。应在适用时核对门户当前条款，不能把未检查条款视为已核实，也不能从文档请求成功推导数据许可。

共享观察流水线区分采集与后续分析。房产数据还需要在该边界加入来源许可和实体语义。获准数据源、提供的脱敏样本与另行授权的界面观察，是不同来源选择。应保留记录由哪一种选择提供。通用下游表不会让这些来源的权利、完整性和字段含义可以互换。

区分房产、挂牌与观察身份

RealEstateListing描述包含一个或多个房地产报价的挂牌，整体挂牌表现为网页；它不只是实体房产的另一个名称。该词汇处于 schema.org 的新领域，不能证明 Zillow 使用特定标记或标识。应借它区分概念，而不是推断门户专属提取合同。实际来源键必须来自获准来源及其文档语义。

模型组成	应保留的证据或引用	边界
来源命名空间	实际提供方和数据集	不同来源的相似键未必标识同一记录
一次挂牌记录	可用时采用提供方定义的挂牌引用	重新挂牌不自动延续此前报价
实体房产	另有证据支持的房产引用	挂牌键或相同地址不是通用房产身份
报价含义	出售或出租范围及计价基础	购买价格与周期租金不是可比金额
观察	来源提供的时间、观察时间和结果	采集时间不是发布或交易时间
引用位置	实际来源 URL 或其他受支持引用	URL 变化不自动表示新房产或新挂牌

Place 词汇描述地址等实体地点属性。地址观察可以辅助匹配，但不能证明两条来源挂牌对应同一单元、法律地块或报价。同一建筑和不同地址格式，都使这种区分有必要。证据不足时，应允许房产身份尚未确定。不能仅因可见地址相似，就抹去各自独立的来源挂牌记录。

招聘信息身份比较区分来源记录与现实实体。房产数据中，过期报价与后来的挂牌可能涉及同一实体地点，却仍是不同挂牌记录。除非来源确立连续性，应用应保留该区别。新观察到的 URL 或标识提出的是匹配核查问题，而不是自动产生市场事件。无法取得可靠键时，应记录临时身份及其限制。

RESO Data Dictionary定义一致的房产资源、字段和查找值，以支持互操作。它是数据语言，不是数据集本身，也不是获取数据的许可。应根据获准集成提供的版本和语义映射实际字段。熟悉的字段标签不保证每家提供方都填充该字段、同时更新它，或使用普遍可比的挂牌键。

按交易含义比较价格

Offer 词汇区分价格与币种，并通过报价对象和业务功能表达交易含义。这些概念避免纯数字列承载过多含义。金额需要来源实际提供的币种、出售或出租范围，以及周期或单位计价基础。这是字段解释规则，不是关于当前 Zillow 响应的主张。未知上下文应保持未知，不能仅凭浏览器语言或货币符号推断。

构造比较可以明确该区别：每月 USD 2,500 与要价 USD 500,000，并不是两次可比观察之间的涨价，而是不同交易含义。同样，不同币种中的相等数字不代表价格未变。计算差值之前，应先确立同一目标挂牌记录与可比报价基础。来源若改变报价范围，应将范围变化与数字运算分开保留。

Schema.org 的价格指南建议使用独立的 priceCurrency，而不是含糊货币符号。应用可以对获准来源值采用带类型表示，但不能编造缺失币种或周期。应在允许保留的范围内保存来源含义与规范化规则。本地化数字格式属于解析问题；分隔符变化本身不构成市场变动。格式化字符串与可比金额是不同表示。

RealEstateListing 发布字段将 datePosted 定义为在线挂牌的发布日期，不同于采集器观察时间和价格修订日期。今天首次看到某金额，不证明它今天才变化。来源若提供生效时间，应另行保留该时间的含义。历史分析不能静默用处理时间替代缺失事件时间，再将结果称为交易时间线。

保留状态证据而不编造市场事件

RESO 字典组织字段与查找值，但应用仍需采用实际受支持的来源映射。保留原始来源状态和解释规则，而不是假定每个数据源共享通用状态转换图。来源报告下架状态，本身不证明完成交易。采集器找不到卡片能建立的结论更少：它只是特定观察中的缺失，不是房产的法律或商业结果。

构造事件	获准观察	接受的解释
首次接受记录	挂牌 L，要价 USD 500,000，来源状态 active	基线观察，不是新完成交易
后续可比记录	同一挂牌 L，要价 USD 490,000	带观察时间的来源要价修订
刷新失败	没有接受的来源记录	采集事件，不产生价格删除或状态变化
某列表缺少卡片	该列表中没有 L 的观察	列表缺失，成交和撤牌均未确立

该表是应用样本，不是从 Zillow 或 MLS 实测的序列。第二行支持可比要价观察，不是最终成交价或议价证据。失败行应在协议允许范围内，将先前接受值作为历史证据保留，但不能把旧值表现为成功的新鲜观察。保留的接受值与最近采集结果，回答不同问题。

RealEstateListing 与 Offer 语义将挂牌及报价与完成的现实交易区分开来。任何成交或撤牌分类都应要求明确且范围合适的来源证据。获准来源无法建立该状态时，采用未知或较窄的原始状态。反复缺失可能值得调查，但重复本身不能把无支持推断变成来源事实。不能将采集失败变成市场统计。

对每次刷新执行带类型的比较

获准刷新应先建立目标来源和挂牌记录，再验证必要表示和字段。只有被接受且可比的观察，才应进入字段级比较。RESO 字段模型可以帮助来源映射，但不决定应用验收政策。应说明不完整记录是拒绝，还是带未知字段保留。两种政策都不能静默将失败观察解释为空白替换记录。

有序比较规则很具体：识别来源记录，分类采集结果，解释受支持字段，比较同类型值，记录有支持的差异，另外保留未解决问题。记录身份不确定时，应推迟比较，而不是制造修订。币种或交易基础不同时，先区分含义变化，再做运算。若只有 URL 变化，应检查来源引用语义，而不是默认创建新房产。

招聘挂牌观察模型在来源范围键下保留重复观察。房产挂牌除了带类型的价格与状态处理，也需要这种历史。未变的接受记录是另一次观察，不是重复的现实交易。未接受刷新是采集事件，不证明所有字段消失。存储操作去重不能抹去实体、来源记录与不同时刻证据之间的区别。

自有样本测试应重放表中的四个事件并检查解释。预期结果是在基线后出现一次可比要价修订、一次采集事件和一次未解决缺失，不应编造成交、新房产或价格删除。这一验收检查测试应用模型，不采集受保护门户内容。应明确样本是合成的；通过样本不证明某提供方当前的更新节奏或字段完整性。

限定浏览器环境与存储的职责

BotBrowser GeoIP 文档说明带 profile 前提及代理路由的地理查询。这些是获准观察的浏览器环境输入，不建立房产位置、报价币种或地理搜索完整性。应独立验证实际获准来源状态。已配置地区不能替代缺失的挂牌字段。

Profile 配置指南描述基于 profile 的浏览器设置。执行运行时观察时，应使用受支持配置并核实实际加载。浏览器配置本身不建立门户运行时观察。稳定的声明输入可以让比较环境更明确，但不授予来源访问，也不保证两次观察的挂牌内容相同。来源变化与浏览器事件仍是不同的可能解释。

MDN IndexedDB 参考说明结构化数据的事务性键存储和同源限制。这类存储可支持本地应用样本或获准观察，但不能让浏览器成为权威房产历史服务。存储限额与驱逐也需要考虑；本地持久化不是无限归档保证。数据库选择不能扩大提供方允许的保留范围，也不能授权获取缺失数据集。

内容与运行证据只能按适用协议保留。若原始历史不能存储，应在获准范围内重新设计诊断记录，而不是改名保留完整响应库。RFC 9309不会让 robots 规则变成该归档的权利。来源许可或必要证据不可用时应停止。不同浏览器身份或数据库事务，都不能建立缺失的授权或市场事实。

常见问题

房产 URL 是可靠的永久挂牌键吗？

只有获准来源确立这种语义时才是。URL、一次挂牌和实体房产回答不同身份问题。应保留来源引用与不确定性，不能假定每次 URL 变化都创建新房产。

挂牌消失表示房产成交了吗？

不表示。卡片缺失、刷新失败或不完整观察，都不建立成交。应保留采集结果，并对应用需要的生命周期状态要求明确来源证据。

所有价格都能只按一个数字比较吗？

不能。币种、出售或出租含义、周期或单位基础必须可比。上下文缺失不允许根据地区设置或显示标点补猜。

官方 API 或 BotBrowser 会授予门户数据访问权吗？

不会。文档中的 MLS 选项有合作方控制的访问和邀请条件。BotBrowser 提供浏览器输入，不提供房产内容或许可。实际集成协议决定访问和获准保留范围。

来源

• Zillow Group MLS Listings
• Zillow Group 开发者目录
• RESO Data Dictionary
• schema.org RealEstateListing
• schema.org Place
• schema.org Offer
• MDN IndexedDB API
• RFC 9309
• BotBrowser GeoIP 数据库
• BotBrowser profile 配置

实践结论

从来源范围内的挂牌记录与接受的观察构建获准历史，而不是无条件覆盖 URL。只在交易含义可比时比较价格，保留原始状态与未知生命周期，并将刷新失败和市场变化分开。浏览器输入与本地存储支持应用；获准来源及其协议决定可取得哪些数据、数据含义和可保留的历史。