Python3 爬取携程网[1]: 根据好评优先顺序，获取北京五星级酒店列表

1. 项目目的

俗话说，“巧妇难为无米之炊”。在数据科学道路上，数据获取是数据利用、分析等后续工作中的重要前提。虽然说，如今有许多开源的数据集，但是，锻炼自己从浩如烟海的网络中获取原始数据的能力，对于培养数据科学的基础技能是十分重要的。

2. 需求分析

本文目的是根据好评优先顺序，爬取携程网上的北京五星级酒店列表。

3. 实验环境

• 语言：Python 3.7
• 操作系统：MacOS
• 编程IDE：Pycharm
• 浏览器：Chrome

4. 具体实现

这一部分是本文的重点，将按照基本爬虫思路进行记录。

4.1 分析页面

对于一个学生而言，拿到一道题，首先要做的工作是熟读题目、进行分析，而不是马上下笔答题。同理，爬虫之前，认真分析要爬取的页面，会使得工作事半功倍。

1. 打开携程网.
   在页面上选择：

• 城市：北京
• 入住日期：2019-02-19
• 退房日期：2019-02-20
• 房间数：1间
• 住客数：2人
• 酒店级别：五星级/豪华
  如图1所示：
  

图1 携程主页及酒店信息选择

2. 分析北京五星级酒店页面
   点击图1中的“搜索”按钮，在酒店列表页面中选择好评优先排序方式。如图2所示。
   

图2 北京五星级酒店列表页面

3. 寻找页面接口
   因为每一个酒店都是可点击跳转的，即可交互，所以，为动态页面。静态页面可以直接通过页面源码，实现获取信息；动态页面需要找寻接口，然后从其接口的源码中获取信息。
   在页面空白处，点击右键，选择“检查”，可以看到页面的源码。找寻接口，必须选中第一行的“Network”选项。
   点击页面刷新按钮，即可在Filter中输入“Hotel”，选择“XHR”，即可找到页面接口。

图3 酒店列表页面接口 由图3可以看到，左部分列表中的“AjaxHotelList.aspx”就是需要的接口，在右侧的preview中，可以看到，页面上的酒店列表就存放于“hotelPos