八月重啟之後，開放台灣租屋資料（以下簡稱開租）的資料處理流程，正在分階段換成新的架構，預計九月內完成遷移，九月資料集會是第一份用新架構產出的資料。 這篇文章不介紹新架構長什麼樣子，那部份寫在 repo 的 architecture-roadmap。這裡想講的是三件事：為什麼這樣選、怎麼在不中斷每日爬取的情況下換掉、以及換的過程放棄了什麼。最後也會談這一輪養成的文件寫法，以及對資料探索的期待。 這篇文章跟 repo 裡的設計文件一樣，是由 AI 起草、人給方向和目標，再由人審過的。原因寫在文末。
跟大家報告一個好消息：經過八月下旬密集的重建工作，開放台灣租屋資料的機器人，已經在 8/26 恢復每日全台爬取，並且完成了基礎設施的全面翻新。預計九月起，正式恢復每日更新、月底釋出的例行運作。 八月資料集僅涵蓋八月下旬，屬於過渡期資料，詳細說明請見下文。
在十月初步釋出後，十一月開始進行定期紀錄、合併資料的工作，並且一併跟上最新的租屋平台網頁結構。十一月以幾乎一週一次的頻率，完成三輪資料爬取，並將這些資料合併成一份完整的測試用資料集，數量已開始接近過去的水準，以去重複後的物件數來看，大約是 2023 同期的 95% 。
開放台灣租屋資料的機器人，已經修復至可以進行基本的資料爬取工作，並在十月期間，完成了初步的測試用資料集釋出。這份資料集，主要是為了讓使用者能夠在正式恢復每日更新前，先行體驗目前的資料狀況。
為了節省計算資源、簡化季度、年度資料處理流程，我們將從「使用 PostgresSQL 合併跨月資料」，改為「使用 ClickHouse local 合併跨月資料」。除了少數欄位名稱更改外，使用上並無其餘影響。 對新合併法有興趣者，歡迎參見合併原始碼。
感謝大家的關心，長話短說，2021-05 後的資料都還在，只是還沒上傳。預計八月底左右，就會上架 2021-06 到目前為止的所有資料！
封面圖片源自曼努製作的2020 台北捷運房租地圖，資料由 Jheng-Yu Lee 整理，資料原始出處來自這個資料集。 這半年因為各種忙，像是開始跳坑作居住議題的開源社群、幫忙 g0v 雙年會的一小部份網站，還有幾個組織的數位專案，租屋資料僅維持最低程度的運作，確定機器人有乖乖爬資料、空間足夠，但新出現的警告訊息，以及整理資料、放上網站，就和沒折的衣服一樣，一直拿不起力氣處理。
開放租屋終於老老實實地營運了一整年啦！ 在一年的時間裡，開放租屋的資料欄位持續演進，總共推出了兩版更新，增加了刊登者編碼、約略地點兩個欄位，方便分析供給者以及地理資訊，也增加了「消除重複物件」的資料集，簡化資料分析的準備工作。在功能調整外，也經歷了兩次超過十天的更新中斷，並透過這些契機，還了一些爬蟲程式的技術債，當然，也依然欠了不少可以改良的地方 XD
