python 爬虫 一键爬取携程旅游团数据

python 爬虫 一键爬取携程旅游团数据

前言

最近我的好朋友在做期末大作业，需要分析疫情前后对旅游行业的影响。于是，就求助我，想让我帮忙趴取一下携程旅游团的评价数据，包括评价时间、评价内容、评分这三条数据。
源码已上传到GitHub，有需要的伙伴自取：源码地址，如果有帮到你，不要忘记给个小⭐⭐

网站分析

第一步 查看首页数据格式

首先我们打开协程网站，随便搜一个地点，这里我以重庆为例：

地址：https://vacations.ctrip.com/list/whole/d-chongqing-158.html?from=do&startcity=2

大概就是这么个页面形式，为了减少工作量的同时，获取到更多的数据，我们采用销量优先的筛选模式，对这些参团游进行重新排序。

我们可以看到，排名前几名的都有非常可观的评价数，这里我们就取排名前4的旅游团

我们在当前页面按F12 进入开发者模式，看看当前呈现在我们面前的数据的原貌是什么

这里需要注意一点，进入开发者模式后，我们需要先点击另一个排序模式，再点回销量优先：

这样做的原因就是单纯的刷新页面，由于有些数据之前已经加载过了，就不会再进行请求了。

对了，在进行第二次点击时，注意点击clear (就在红点旁边)，清除一下

这次，我们来看看加载了哪些数据：

这里我们先选择XHR进行筛选，过滤掉图片、js、css等文件。

这么多请求，哪个是我们需要的呢？最好的办法呢，就是一个一个看！

这里我就不给大家演示了，就直接用红色框标出来我们需要的

我们将右边的json数据的进行展开，会发现，在products这个里面，就是我们需要的数据：

这里我把products种的第一个数据赋值过来大家看看：

{
            "id":1020423035,
            "name":"重庆4日自由行·【爆红名宿＆网红拍照圣地】精选民宿·套房任选丨全家出动·渝见你的温馨时光丨走步道·坐索道·看轻轨·赏夜景·吃火锅·不一样的旅行",
            "type":1,
            "typeName":"自由行",
            "level":0,
            "price":0,
            "departureCityId":2,
            "saleMode":"S",
            "brandName":"携程自营",
            "saleCount":0,
            "commentCount":44,
            "commentScore":4.6,
            "buType":"GT",
            "saleout":false,
            "hotelName":"滨之星商务度假公寓(重庆解放碑店) 重庆斯维登服务公寓(解放碑协信公馆) 重庆两江公馆服务公寓(解放碑大唐诺亚店) 重庆渝佳酒店公寓解放碑日月光店 重庆斯维登服务公寓(解放碑大唐诺亚) 重庆大唐诺亚服务公寓 重庆云尚轻奢酒店公寓 重庆解放碑日月光云菲度假公寓 重庆一瓦涧精品民宿酒店 coco北欧小居住宿(重庆解放碑店) 久栖·重庆日月光酒店公寓解放碑店",
            "hotelStar":0,
            "hotelStarLicence":0,
            "hotelCustomEval":0,
            "correlationScore":0
        }

经过英文提示和数据的对比，我们获取我们需要的信息

id:每个旅行项目的编号
saleMode:销售模式，S 表示self  猜测是自营的意思

至于多少人购买，总和评分这些我们不需要，在这里就不说了

找到我们要请求接口了，我们看看需要提交哪些数据吧：

{"contentType":"json","head":{"cid":"09031160411534832517","ctok":"","cver":"1.0","lang":"01","sid":"8888","syscode":"09","auth":"","extension":[]},"version":"80400","client":{"trace":"none","device":"PC","source":"NVacationSearchV2","variables":[{"key":"SHXVERSION","value":"B"}],"cid":"1590973576257.dfu8z"},"poiType":{"poid":158,"type":"D","keyword":"重庆"},"filtered":{"sort":2,"channel":"Online","tab":"A126","saleCity":2,"startCity":2,"pageSize":30,"pageIndex":1,"items":[]},"returnType":{"type":"all","filters":"ProductNewLine,ProductLine,HotDestination,HotScenicSpot,SaleDepartureStat,TravelDays,DepartureDate,Month,ProductPattern,ProductLevel,ADSuitPersons,ProductDistrict,ProviderBrand,PriceRange,Promotion,OnSale","recommendProduct":true}}

这就是一个json形式的数据，然后我们看一下请求地址：https://vacations.ctrip.com/list/restapi/gateway/13561/search?_fxpcqlniredt=09031160411534832517

我们只需要构造请求数据，然后发送到请求地址就可以获取我们想要的数据啦，接着往下看吧

第二步 查看详细页数据格式

前面我们获取了首页的数据，接下来面临一个问题：我们如何通过主页进入到详情页呢？

通常我们都是先在html数据页面获取每个旅行项目详情页的链接，但是，这个项目并不直接给你提供这样的链接，而是通过js进行自行组装(我猜测的)。先不管了，我们先点击看看链接形式是什么样的

地址链接：https://vacations.ctrip.com/tour/detail/p1020423035s2.html

我们再点击第二个旅游项目的详情页：

链接地址：https://vacations.ctrip.com/tour/detail/p2563522s2.html

我们再拿出来前面我们获取的第一个旅游项目的id编号：1020423035

这下我们能够发现，这两个链接只有中间数字上的不同，而且，我们这中间的数字不是别的，就像该旅行项目的id编号。

我们有了详情页的地址，那么获取详情页的数据岂不是轻而易举？

NO NO NO ！！！

事情没那么简单，这里我不带大家验证了，直接告诉大家，用户评价的数据是通过js后续请求加载进来的，直接通过请求htm地址页面，无法获取，除非你使用一些其他高级的手段，比如使用selenium工具包进行真实浏览器访问。扯远了 ，我们接下来还是通过F12控制台寻找数据

老样子，XHR 筛选数据，通过一个一个查找以及英文提示，我们很快的就能找到我们所需要的数据：

{
            "commentId":13705053,
            "originalId":0,
            "userId":"300****168",
            "userInfo":{
                "displayName":"300****168",
                "avatarUrl":"https://dimg04.c-ctrip.com/images/t1/headphoto/646/318/109/a865fe5f5465407d8befd5dc487a8554.jpg",
                "curLevelCode":"10",
                "curLevelName":"黄金贵宾"
            },
            "content":"难忘的一次旅行，走了几个经典路线，喜欢上重庆这座城市！重庆独特的城市文化，令人震撼的自然景观，都给我留下了