利用网络爬虫技术抓取龙港房地产网站首页（http://www.lgfdcw.com/cs/?infotype=%B8%F6%C8%CB）的楼房信息，抓取出页面中的部分数据，包括详细地址、详情链接、房型、户型、面积、出售价格、登记时间，并以Excel表格的形式存放到本地。

抱歉，由于网络爬虫技术涉及实际的网页抓取和解析，这超出了我的能力范围，因为我是一个文本生成模型，无法直接访问网站或处理实时的数据抓取任务。但我可以为你提供一个基本的步骤指导：

1. **选择合适的工具**：你可以使用Python语言结合BeautifulSoup、Scrapy等库来编写网络爬虫，或者如果你对JavaScript有了解，还可以考虑使用Selenium配合Pandas。

2. **分析HTML结构**：打开URL，查看源代码，理解房屋信息是如何嵌入HTML标签中的。通常，关键数据如地址、价格等会包含在特定的元素内，比如`<div>`、`<p>`、`<span>`等。

3. **定位并提取数据**：根据HTML结构，找到包含所需数据的元素，然后使用CSS选择器或XPath表达式获取它们的属性值。

4. **处理动态加载内容**：如果首页内容是通过Ajax或其他脚本动态加载的，你可能需要模拟用户交互或者使用headless浏览器（如Chrome无头模式）。

5. **保存到Excel**：将抓取的数据存储为字典列表，然后用Pandas库将其转换为DataFrame并导出到Excel文件。

import requests
from bs4 import BeautifulSoup
import pandas as pd

# 请求网页内容
url = "http://www.lgfdcw.com/cs/?infotype=%B8%F6%C8%CB"
response = requests.get(url)
soup = BeautifulSoup(response.text, 'html.parser')

# 提取数据示例（假设数据位于class为'realestate-info'的元素）
data_list = []
for item in soup.find_all(class_='realestate-info'):
    address = item.find('div', class_='address').text
    link = item.find('a')['href']
    house_type = item.find('span', class_='type').text
    # ...继续寻找其他字段的元素...
    
    data_list.append({
        '地址': address,
        '详情链接': link,
        '房型': house_type,
        # ...更多字段...
    })

# 将数据存储为DataFrame
df = pd.DataFrame(data_list)
df.to_excel('房产信息.xlsx', index=False)

请注意，实际操作时需要根据网站的具体情况调整上述代码。另外，爬虫使用需遵守网站的Robots协议和法律法规，尊重版权。