不写代码玩转爬虫实例（3） - 抓取携程酒店信息

背景需求

有不少朋友问永恒君携程网站的酒店信息怎么抓取，今天这篇文章来分享一下使用web scraper来快速实现抓取携程酒店信息。

例如，在携程官网搜索北京密云水库的酒店信息，

可以搜索到非常多的酒店信息。需要注意的是，搜索出来显示的总数量，经永恒君测试，这个数量不一定就是下面展示酒店数量。

我们需要爬取每个酒店的名称、位置、评分、评价、点评数量、价格信息。

需求分析

通过仔细观察，我们发现：

1、搜索页面不会把所有的酒店信息全部显示出来，需要用鼠标向下滚动页面之后，才会加载后续的酒店信息。

2、滚动了两页之后，就不会自动进行页面的加载了。这个时候需要点击页面上的“搜索更多酒店”，网页才会进一步加载后续酒店的信息，直到“搜索更多酒店”这个按钮消失。

3、当“搜索更多酒店”这个按钮消失之后，所有的酒店信息才展示完全，即才可以抓取到这所有的酒店信息。（故，酒店数量多的时候，需要的时间会比较长，需要耐心等待）

配置运行

通过上面的分析可以知道，要抓取携程酒店的信息，整个过程需要：

1、向下滚动两次加载页面

（参考知识点：爬取向下滚动加载页面）

2、然后再点击多次“搜索更多酒店”按钮

（参考知识点：点击「更多」进行翻页）

将两个操作合并起来，就可以实现酒店信息的爬取了。具体的配置就不详细介绍了，永恒君会将sitemap文件在文后分享。

整体的一个结构图就是这样：

爬取的过程演示：

不写代码玩转爬虫实例（3） - 抓取携程酒店信息

爬取的结果如下：

自定义爬取修改

上面花了这么多时间来进行分析和配置，当然不能只用一次，搜索其他关键词一样是可以使用的，只不过需要做一点点适当的修改。

假如这个时候，需要抓取另外一个地方的酒店信息，比如说青岛流亭机场 600元以上的酒店信息，应该怎么操作呢？

同样的，在携程官网搜索青岛的酒店，然后选择流亭机场 600元以上这些条件，

这时候你会发现，页面的URL会随着你选择的条件发生变化，我们需要把这个URL复制下来，做如下的修改：

删除掉：

&checkin=2020/12/27&checkout=2020/12/28

以及#ctm_ref=ctr_hp_sb_lst这两部分内容。

例如：浏览器URL地址为

https://hotels.ctrip.com/hotels/listPage?cityename=qingdao&city=7&checkin=2020/12/27&checkout=2020/12/28&optionId=7&optionType=City&crn=1&adult=1&children=0#ctm_ref=ctr_hp_sb_lst&highPrice=-1&barCurr=CNY&zone=4123&sort=9&lowPrice=600&priceQuickFilters=5

（加粗的位置需要删除）

那么修改后为

https://hotels.ctrip.com/hotels/listPage?cityename=qingdao&city=7&optionId=7&optionType=City&crn=1&adult=1&children=0&highPrice=-1&barCurr=CNY&zone=4123&sort=9&lowPrice=600&priceQuickFilters=5

将修改后的地址复制到web scraper的起始URL当中，其他的不用做修改，然后运行即可。