一種利用網(wǎng)絡(luò)爬蟲獲取商務(wù)樓宇和商戶信息的方法

張雨龍，孫曉鵬，王曉東（中國聯(lián)通網(wǎng)絡(luò)技術(shù)研究院，北京100048）

0 引言

固網(wǎng)寬帶接入市場一直是電信運(yùn)營商角逐的傳統(tǒng)重要陣地。各個電信運(yùn)營商都在持續(xù)加大固網(wǎng)寬帶建設(shè)力度，投入大量資金。但是隨著家庭寬帶用戶數(shù)量接近飽和，“二級”代理商發(fā)力占領(lǐng)市場，家庭寬帶用戶ARPU逐漸降低，電信運(yùn)營商把投資重點逐步從家庭客戶轉(zhuǎn)變?yōu)樯唐罂蛻簟?/p>

商企客戶一般分布在寫字樓、工業(yè)園區(qū)、專業(yè)/聚類市場等區(qū)域。這類場景的網(wǎng)絡(luò)覆蓋、商業(yè)營銷與家庭寬帶明顯不同。特別是寫字樓，需要按照樓宇面積、層數(shù)、商戶數(shù)量、商戶屬性、物業(yè)公司、已入駐企業(yè)等多個維度進(jìn)行分級分類的建設(shè)和營銷。銀行等金融類企業(yè)、大型連鎖公司、創(chuàng)業(yè)型小型公司對網(wǎng)絡(luò)的需求明顯不同，具有明顯的個體性和差異性。同時，我國經(jīng)濟(jì)迅猛發(fā)展，商務(wù)樓宇信息與商戶信息每時每刻都在發(fā)生變化。

因此，如何準(zhǔn)確實時獲取海量的樓宇信息與商戶信息是電信運(yùn)營商當(dāng)前要解決的重要難題。

1 現(xiàn)狀分析

目前主要通過號線系統(tǒng)、整理現(xiàn)有信息（臺賬）和人工摸查3種方法獲取樓宇和商戶信息。

號線系統(tǒng)：對于固網(wǎng)資源已經(jīng)覆蓋的樓宇，可以通過號線系統(tǒng)導(dǎo)出樓宇和商戶信息。一般導(dǎo)出的數(shù)據(jù)比較準(zhǔn)確，但是此方法僅適用于已覆蓋固網(wǎng)資源的區(qū)域，且時效性較低。

現(xiàn)有信息整理（臺賬）：各運(yùn)營商經(jīng)過多年的規(guī)劃與系統(tǒng)建設(shè)，積累了一定數(shù)量的樓宇信息，可以直接輸出。但這種數(shù)據(jù)質(zhì)量一般不高，存在樓宇條目重復(fù)、樓宇信息錯誤、格式不統(tǒng)一等問題，信息時效性差。……