我分析30w条数据后发现，西安新房公摊最低的竟是这里？

前两天一个邻居发出了灵魂质问：“为什么我买的180平和你的169平看上去一样大？”

“因为咱俩的套内面积都是138平......”

我们去看房子，比较不同楼盘的价格，看的都是单价，可这个单价，却是用（总价 ÷ 建筑面积）计算的。而我们实际买到手里的，是套内面积。

套内面积 = 使用面积+墙体厚度+阳台建筑面积

建筑面积 = 套内面积+分摊面积

（这里要吐槽一下不合理公摊制度，由霍英东发明，大陆1993年从香港引入，但香港2012年就取消了）

所以我们买房子，自然是希望公摊越小越好的，花同样的钱，公摊越小，买到的套内面积越大嘛。

可你知道西安哪个区域的预售新房平均公摊最小吗？于是我又花了三天时间，写了700多行代码做了一个统计，得到下面的结论：

（数据来源：西安住建局官网 数据范围：2021-01-01 ~ 至今）

碑林区公摊最低，周至县公摊最高，高新区第二高

曲江新区，124.5㎡最大套内榜夺冠

建筑面积分布，主力段为100㎡-150㎡

公摊分布 主力段为20%-24%

面积越小，公摊越大，150-160平性价比较高

总体放量平稳

祖传手艺

这个手艺我之前已经在《用1000行代码统计西安新房价格后，我有一个惊人的发现》这篇文章中展示过了，那里我们简单介绍了如何统计最准确的西安新房平均价格。

今天我们用类似的方法，从西安市房建局获取公摊数据，统计西安新房的平均公摊。

幸好当时的代码还在，主要逻辑差不多，但获取难度比上次要大，所以我们还需要将代码稍作改善。

对了，之前有粉丝留言，问我能不能把代码开源？我觉得很刑啊，这是让我的小日子过得越来越有判头了嘛。

我这里只讲技术和思路，作为学习使用，代码的话可以自己实现，一共也就几百行，只要你请求的不是那么的频繁就好。

言归正传，今天我们的页面流程是这样的，和上次的稍有不同：

具体的页面分析我今天就不讲了，和上次差不多，主要讲一下和上次不同的点。

1

我们请求的时候，多了一个区域选择：

可以看到下面的这些区域也是西安的区县，所以我们在请求预售证信息页面的时候，需要加上区域编号，然后去根据区域遍历：

2

由于我们希望统计每个区域的公摊嘛，但是上面“城六区”说的太宽泛，页面上也没有更详细的区域信息。所以我们需要提取“项目坐落”里的区域信息，对地址开头字符和区域做一个映射：

然后就可以根据映射关系获取区域信息了。

3

由于我们的房屋公摊信息，没有直接展示在页面上，需要我们一个一个去点击获取：

所以这次我们要请求的接口量比上次获取价格要大几百倍，我们不能再用单线程请求了，需要上多线程。

我的电脑cpu是20核的，网络请求是典型的IO密集型操作，线程池大小参考值应该设置成2N，N是cpu核数，本场景IO占时间比重更高，所以线程池大小最佳值可能是3N、4N、5N。。。

但是因为我们是学习使用，不能给人家网站增加太大的负担，所以我们只启10个线程就好，等待队列大小10万，而且每请求一栋楼的数据，就让程序休眠10秒：

这样可以让请求时间缩短10倍左右，也不会给网站增加太大压力。

4

因为这次请求的接口过多，网络可能会发生抖动，接口就会调用失败。如果不处理异常，程序就直接停止了，如果忽略异常，数据又会缺失，造成统计不准确。

所以我们还需要调用接口失败时的重试机制。

我选择引入 spring-retry 来做重试机制，同时还需要aop的包：

这样我们就可以在需要进行失败重试的方法上加上 @Retryable 注解了：

这里的意思是，如果发生异常，重试9次，每次间隔1秒、2秒、4秒、8秒。。。如果9次重试都失败了，会调用 @Recover 注释的恢复方法，记录日志，人工处理。

5

这次我们直接计算总页数，不再用上次那种页面返回是空就停止循环的偷懒办法。

直接在首页就可以获取总数量 totalCount：

然后我们利用公式：

totalPageNum = (totalCount + pageSize - 1) / pageSize

已知 pageSize = 10，可以计算出总页数，作为循环的停止条件。

这样也就绕过了上一次说的第一个坑。

6

这个网站的请求参数，不需要我们再单独获取了，而是直接再href参数里，所以我们可以直接获取href参数里的值，去请求下一级接口：

这样也就绕过了上一次说的第二个坑。

7

这个网站的数据一直要追溯到2005年。

而我们并不想统计这么久远的数据，参考价值不大，只想统计2021-2022这两年的数据。

所以我们给循环停止条件上，额外加上时间判断，早于某个时间 after ，就不获取了。这里我设置的是 2021-01-01 。

这里有个小细节，我用了已经不推荐使用的java标签写法，break two；因为我这里嵌套了三层for循环，我只希望跳出其中两层。不推荐这么写，我这里这么写只是因为想提一下这个知识点。

写sql

好了，主要不同就是上面这些，其他的逻辑和上次差别不大，就不赘述了。

最后跑一下程序：

数据库里的数据：

数据库有数据了，大概30w条

接下来就是写sql查询的事了，我们只统计住宅，公寓和商业过滤掉。

西安各区新房平均公摊率：

西安公摊最高的20个新房楼幢:

西安公摊最高的20个新房楼幢：

西安新房各个建筑面积段房源数：

西安新房各个公摊率段房源数：

西安新房各个建筑面积段平均公摊：

西安每个月预售证发证房源数：

ok，到这里就统计完了，如果有想知道其他维度统计结果的，欢迎留言。

最后，愿公摊制度早日取消。