旅游出行复苏，使用Beautiful Soup采集Airbnb旅馆数据

本文链接：https://blog.csdn.net/weixin_39915649/article/details/130810643

使用 Beautiful Soup 从 Airbnb 网站上抓取酒店信息

微信搜索关注《Python学研大本营》，加入读者群，分享更多精彩

当我们需要一个网站的数据，但是从网站提供商那里请求数据的过程很复杂时，最好的解决方案就是抓取。

Airbnb是为旅行者提供住宿服务的大型网站之一。由于规模庞大，住宿服务可分为别墅、酒店、树屋、沙漠之家等多种类型，在品类中可见一斑。

该网站当然提供了大量的酒店数据，但该网站的架构对于初学者来说相当复杂。另一方面，Airbnb使用各种 javascript 来访问数据，因此您的抓取过程可能并不容易。（我写这篇文章是在 2023 年 1 月）。

起初，我认为抓取Airbnb网站会像抓取其他酒店网站一样简单，但当我开始编写代码并在网站上的每个元素中搜索类时，我意识到我最初的想法被误导了。让我在下面解释我的过程。

您应该采取的第一步是安装所需的库，特别是 beautifulsoup 库，或者您可以使用以下语法：

# Instalasi beautifulsoup
pip install beautifulsoup4

重要的是要注意，您还应该安装其他库，例如 requests，它将允许您发送 HTTP 请求并检索网站的 HTML。

pip install requests

接下来，您将导入其他基础库，例如下面的代码（如果没有，请先安装）。

from bs4 import BeautifulSoup # Beautifulsoup
import requests # for access the link

其实Beautiful Soup的基础使用还是比较简单的，写几行代码就可以理解。在这种情况下，我要演示的抓取是在一个页面上（当然，这并不是说我想宣传那家特定的酒店）。

Villa Dewi Laksmi 将是我们将从中获取信息的示例之一。最重要的是要知道我们将从网站页面中提取的组件和类/id 名称。

在这种情况下，我想从页面中提取标题，标题位于类为“_fecoyn4”的 h1 中。您可以尝试的语法如下：

url = 'https://www.airbnb.co.id/rooms/2046355' #Link hotel
respons = requests.get(url) #Send request to url
soup = BeautifulSoup(respons.content, 'html5lib') #Soup the site
judul = soup.find('h1',class_='_fecoyn4').text #Take header 1 on the site

但是结果会是这样的：

这意味着我们尝试检索的对象没有成功检索任何内容，因为据说我们正在尝试访问“ NoneType ”的属性。如果您尝试打印( title )，结果也将为空。

那么，有什么办法呢？我们将检索网站的原始 html。您可以使用以下语法来执行此操作。

text = soup.get_text()
text #Take all text from html

结果你会得到这样的：

当然，如果不使用这个原始 html 将没有用。这里可以使用的技巧是使用正则表达式来提取所需的信息（在本例中我们将提取标题）。可以做的第一个技巧是找到我们要查找的关键字，在本例中为“ Villa Dewi Laksmi ”，然后在原始 html 输出上执行CTRL+F并搜索上面的句子，然后您会找到{ “__typename”：“PdpTitleSection”，“title”：“Villa Dewi Laksmi”。从这里我们可以创建一个正则表达式，如下所示：

regex = r'"__typename":"PdpTitleSection","title":"(.*?)"'
match = re.search(regex, text)
if match:
    print(match.group(1))

上述方法也可用于提取价格、位置、主机名和其他信息，只要它存在于原始 html 文本中即可。上面的语法也可以用在其他产品页面上，因为标题代码在每个页面上都是相似的。

我们可以从中得出的结论是，尽管网站可能难以抓取，但总有一种方法可以提取您需要的数据。但是，如果您有时间和意图，最好联系网站所有者并以尊重的方式请求数据:)

如果您喜欢我的文章，请喜欢并关注我。

旅游出行复苏，使用Beautiful Soup采集Airbnb旅馆数据

推荐书单

《图解数据智能》

精彩回顾