基于Python的携程网酒店数据采集与分析

湖南商务职业技术学院毕业设计

目录

1绪论..............................................................1

1.1项目背景.....................................................1

1.2项目的目的与意义.............................................1

1.2.1项目目的................................................1

1.2.2项目意义................................................2

1.3开发环境与工具...............................................2

1.3.1Python简介..............................................2

1.3.2Jupyternotebook简介....................................2

1.3.3Tableau简介.............................................2

2需求与分析........................................................3

2.1可行性需求分析................................................3

2.2数据采集目标功能分析..........................................3

2.3关键数据信息分析..............................................4

2.3.1网络爬虫技术............................................4

2.3.2文件存储存取技术........................................4

2.3.3可视化技术..............................................5

3数据与采集........................................................5

3.1采集页面分析..................................................5

3.2字段分析......................................................7

3.3编程的实现....................................................8

4数据清洗与处理...................................................10

4.1数据清洗.....................................................10

4.2数据存储.....................................................12

5数据统计与分析...................................................13

5.1数据准备.....................................................13

5.2数据展示与分析...............................................14

5.2.1依据价格功能售卖点进行统计与分析.......................14

I

湖南商务职业技术学院毕业设计

5.2.2依据酒店评分进行统计与分析.............................15

5.2.3依据携程网酒店价格进行统计与分析.......................16

5.2.4前10热评酒店数据统计与分析............................17

5.2.5前600家酒店星级数据统计与分析.........................18

5.2.6酒店售卖点词云分析.....................................19

5.3综述.........................................................20

6小结.............................................................21

参考文献............................................................22

II

湖南商务职业技术学院毕业设计

基于Python的携程网酒店数据采集与分析

1绪论

在互联网时代，酒店行业的竞争愈加激烈，酒店间的竞争也已经从传统的价

格、服务和硬件的竞争，发展到了一个更加关注消费者需求、关注用户体验的时

代。因此处理有效信息获取问题的复杂度也会大大增加。而大数据处理技术的应

用将能够快速、方便、灵活地解决这类应用问题。

酒店行业的数据分析已成为各个酒店经营决策不可或缺的重要部分，而数据

采集则是进行大数据分析的前提和基础。

基于大数据分析的技术发展与趋势，本项目通过数据采集软件对某互联网平

台上收录的酒店信息进行实时抓取，并对所抓取数据进行清洗、整合和分析，从

而为酒店经营管理提供有价值的数据支持。

1.1项目背景

随着互联网技术的高速发展，大数据已经成为衡量企业经营效率、产品和服

务质量的重要标准之一，酒店业作为服务密集型行业，也面临着大数据带来的挑

战。酒店要实现信息化管理和智慧化发展，需要对各类数据进行有效的采集和分

析。

同时我国经济的快速发展，中国的酒店业也得到了快速的发展。据统计，从

2002年至2013年，我国酒店行业总体数量从14.9万家增长到了41.4万家，客房

数量从834.4万间增长到了3067.3万间。伴随着我国经济的高速发展，酒店行业

也面临着市场竞争不断加剧、酒店间入住率下降、价格竞争日趋激烈、客户需求

多样化等问题。因此，酒店行业迫切需要利用高新互联网技术以此来提高自身竞

争力、拓展新的盈利空间。

1.2项目的目的与意义

1.2.1项目目的

传统酒店行业在经营管理中存在着很多弊端，例如管理流程繁琐、服务效率

低下、员工积极性不高等问题，这些问题严重影响了酒店的服务质量和顾客满意

度，限制了酒店的发展。而互联网技术的应用能够改变酒店行业的商业模式，提

高酒店的管理效率，提高客户满意度。通过互联网技术对酒店进行数据采集与分

1

湖南商务职业技术学院毕业设计

析，能够及时了解客户需求并进行相应的调整和改进。从而可以更好地满足客户

需求，提高酒店竞争力。

1.2.2项目意义

大数据对酒店行业的影响酒店可以通过互联网向消费者提供他们所需的服务。

通过对互联网技术在传统酒店业中的应用进行研究分析可以更好地帮助酒店行业

进行管理改进，促进其发展。同时对于其他行业来说，对互联网技术在传统酒店

业中的应用研究也具有重要的借鉴意义。

此外酒店行业在互联网时代，需要积极利用互联网技术来提高管理水平和服

务质量。酒店通过大数据采集与分析，可以有效地改善客户体验，提升客户满意

度。通过对互联网大数据采集与分析的研究，有利于促进酒店行业的可持续发展。

1.3开发环境与工具

1.3.1Python简介

Python是一种计算机编程语言，具有强大的功能，在全世界范围内有大量的

用户使用Python，它可以用来编写脚本程序，也可以用来做数据处理、Web应用

程序、游戏和科学计算等。Python是一种解释型语言，它通过声明式的代码实现，

在语法上类似于C语言。Python也是一种动态类型语言，它使用内置函数来处理

数据。

1.3.2Jupyternotebook简介

Jupyternotebook是一个可以为用户提供记录和分享知识的平台。Jupyter

notebook的内容来源于用户的分享，并且可以将其分为三个部分：知识，内容来

自于用户日常生活中遇到的问题，例如：如何解决问题，如何分析问题。在这里，

你可以找到一个或多个解决办法。经验，是用户成功经验的集合，包含了一些成

功的项目和失败的项目。其中包括在工作中遇到过的问题、经验分享、分析失败

原因等。知识管理，主要内容是通过收集大量来自用户、同行以及专家们对某一

领域的见解和建议来进行知识组织和整理。这里也包括一些工具类产品。

1.3.3Tableau简介

Tableau是一款功能强大的在线报表平台，可以帮助企业快速的完成数据收集、

2

湖南商务职业技术学院毕业设计

数据分析和数据可视化。Tableau是一个完全可定制、灵活易用的在线报表平台，

它允许企业将其数据与其他应用程序集成，以提供交互式数据分析和查询。

此外，Tableau还可以进行数据的全面收集，数据的灵活分析，Tableau可以

提供强大的数据分析功能。同时还具有灵活的交互式数据查询和数据可视化的功

能。

2需求与分析

2.1可行性需求分析

1、项目可行性

酒店数据收集技术一直是酒店业及旅游业最关注的领域，因为它直接关系到

酒店的成本、利润和竞争力。在这样的情况下，消费者可以更加直观透明的去选

择酒店。以大数据为基础的酒店管理系统和数据平台开始崭露头角，同时也出现

了更多新产品或服务形态以迎合客户对酒店个性化、高质量管理服务的需求，来

达到提高消费者市场满意度的这样一个效果，来提高消费者对于酒店选择的一个

甄选度。

2、技术可行性

Python是一门面向对象语言中通俗易懂的计算机编程语言，在本次项目中会

用到Python的网络爬虫技术、文件存储技术、以及数据可视化技术，其中最为重

要的就是数据可视化技术。

在第一阶段中的数据收集过程中，用到了网络爬虫技术，另外在数据收集过

程中通过抓包分析携程网长沙区域酒店的信息页面是动态的，因此本项目需要通

过浏览器来获取请求和参数。

在第二阶段中，所用到的有数据清洗、数据预处理以及文件存储技术。例如

对收集到的多个数据库进行匹配以确保数据库中没有相同格式的字段，处理完后

再对通过文件系统对文件进行存储存取。

在第三阶段中，用到了数据可视化技术，通过前面对数据的清洗、整合、存

储，数据可视化技术就是将数据图表化，能够使图表表达具象化，可以使文字表

达变得简洁化，化抽象为具体。数据图表化的优点是便于突出重点，可以把问题

的重点有效地表达。

2.2数据采集目标功能分析

本次项目的数据集的来源是携程网站，是通过python爬取携程网长沙区域

3

湖南商务职业技术学院毕业设计

600家酒店品牌的信息。数据清洗后共600条记录，爬取完成后尽可能地检查数据

地准确性，确定爬取出来的数据无误并且是属于携程网实时存在的酒店数据信息。

分析携程网站网页信息,明确本项目需要爬取的酒店数据参数有受欢迎程度，

价格占比区间，星级占比数据，点评量数据，标签词云数据，酒店评分数据等。

在对原始数据进行预处理后本项目会对其数据进行多个维度的分析。例如,从长沙

区域的酒店数量对其进行分析,分析高价酒店和平价酒店的占比。又或者想要得到

长沙区域所有酒店品牌在近两年的入住率,那么本项目就可以根据点评量去统计

每年的入住率,查看入住率是随时间上升还是下降。

2.3关键数据信息分析

2.3.1网络爬虫技术

1.网站数据分析技术

网络爬虫是通过对网页内容或网站结构的分析，并对其进行采集和获取信息

并进行统计的一种技术。

2.数据传输技术

数据传输是网络爬虫最基本的功能，它需要网络爬虫将抓取的数据传递给用

户，网络爬虫需要根据不同的场景选择不同的方式。

3.正则表达式

正则表达式是指在抓取网页时，根据一定的规则生成网页代码，并将该代码

中的关键词提取出来，然后保存到数据库中。

4.网页去重技术

为了减少网页重复抓取和资源浪费，需要对抓取到的网页进行去重。常用的

去重方式有：反向链接去重、页面内容去重和URL重复率去重。

2.3.2文件存储存取技术

文件存储存取技术是指通过文件系统对文件进行存储的存取。

图2-1python内置csv模块

2.3.3可视化技术

4

湖南商务职业技术学院毕业设计

数据可视化是指用图形和文字来描述数据信息，以帮助人们更好的理解、处

理和分析数据。简而言之，数据可视化是以图形的方式呈现结构化或非结构化数

据，从而将隐藏在数据中的信息直接呈现给人们。它不仅仅是使用数据可视化工

具将数据转化为图形，相反，是从数据的角度直观的看待内容。

数据可视化最大的重要性就在于它可以帮助人们更快的理解数据。在堆积如

山的信息之间的联系并不容易，但是图形和图表可以将无形的信息，转化为可见

的图形符号，直接清晰地表达出来，快速地理解数据。

数据可视化的技术发展成为了一下三类：科学可视化、信息可视化、可视化

分析。而本项目这里用到的就是信息可视化,信息可视化的处理对象是非结构化、

非几何的抽象数据,此次过程中所涉及到的图形可视化有折线图、饼图、柱状图以

及词云图，这些图形可以清晰的把各项酒店数据具象化，可以更加直观方便地理

解数据。

3数据与采集

3.1采集页面分析

本项目首先通过浏览器搜索携程网的官方网页，再然后找到酒店目录集页面

图3-1，点击长沙酒店模块，通过观察发现，其中URL为

/hotels/list?countryId=1&city=206&checkin=2023

/02/19&checkout=2023/02/20&optionId=206&optionType=City&directSearch=0

&display=%E9%95%BF%E6%B2%99%2C%20%E6%B9%96%E5%8D%97%2C%20%E4%B8%AD%E5%

9B%BD&crn=1&adult=1&children=0&searchBoxArg=t&travelPurpose=0&ctm_ref=

ix_sb_dl&domestic=1&，然后点击页面下方的分页按钮，同时观察URL，发现URL

没有变化。

5

湖南商务职业技术学院毕业设计

图3-1数据网址页面

在网页调出开发者工具，刷新页面，如图3-2所示：

图3-2开发者工具

利用全局搜索工具定位所需数据位置,点击开发者工具上面的Headers字段,

分析这是个什么请求,发现这个是一个POST请求,那本项目需要寻找它的的from

data往下翻找,在最后找到了表单数据FormData,如图3-3所示。

6

湖南商务职业技术学院毕业设计

图3-3FromData

3.2字段分析

首先来到网页面打开网页的选择栏,然后将选择栏目定位到酒店热门筛选集

中的位置也就是定位到本项目所需要的数据所在的位置,然后跳出开发者工具页

面刷新一下页面再进入,点击开发者工具界面上方的数据预览Preview按钮,如图

3-4,可以看到本项目需要的所有的数据信息都是呈现json格式传递在这个网页

面。

在每一个标签下有多个a标签，a标签内的字符内容就是本次项目所需要的字

段，如售卖词云、价格、评分以及热评数量等都可以通过xpath方式来获取这些

字段的路径。

本项目还得知他是post方法响应的网站,所以本项目可以根据以上特点通过

Requests方法中的post方法来获得响应的数据,最原始的数据格式是呈现json

格式的所以本项目需要重复获取响应数据然后依次写入到csv格式的文件当中。

7

湖南商务职业技术学院毕业设计

图3-4分析数据类型页面

3.3编程的实现

导入所需的库，如图3-5所示：

图3-5导入所需库页面

设置请求头，伪装成浏览器访问服务器，如图3-6所示：

8

湖南商务职业技术学院毕业设计

图3-6设置请求头内容页面

代码截图展示如下：

9

湖南商务职业技术学院毕业设计

4数据清洗与处理

4.1数据清洗

10

湖南商务职业技术学院毕业设计

数据清洗和数据处理是一种策略，是在获得一个良好的数据集之前进行处理，

以确保数据集能够提供足够的信息来解释和预测。

一旦确定了要使用的数据集，就需要将其转换为能够在目标范围内使用的格

式。这两个阶段都将为下面讨论的内容做好准备。清洗和去重在此阶段中，需要

先检查并去除不正确或不相关的数据。使用这种技术通常是在小样本情况下，因

为它可以通过提高计算效率来改进预测结果。因此，一些专门针对小样本的去重

技术，如多重分析和基于网络的方法等将被使用。为了进行去重，需要检查并删

除重复值或错误值。如果需要的话，还可以进行一些调整以确定需要去除哪些信

息。

使用Hammer对收集到的多个数据库进行匹配以确保该数据库中没有相同格式

的字段。然后，将这些记录中存储过多且不完整信息字段列入要删除的范围中。

去重后有可能会丢失一些重要信息并且可能会影响所使用的算法。因此必须

对去重后相关字段进行过滤操作来检查其缺失情况以及是否存在不一致并且可能

需要检查数据是否需要替换以避免丢失信息。去除重复值为了获得可靠的结果，

需要先从数据库中删除重复值或将其与零样本一起处理

清洗准备如图4-1所示：

图4-1数据清洗准备页面

经过比对和检查,发现数据不存在缺失,错位还有空值,那么本项目根据需求

将有效数据统一规划去掉不要的行列数据以及纠正数据文件中错误的程序,保持

数据一致性，处理无效值和缺失值。因此本项目只需保留需要的数据,然后整理为

原网页格式存入data.csv文件中,留存后续作为统计分析、可视化使用。

11

湖南商务职业技术学院毕业设计

图4-2数据清洗结果界面

4.2数据存储

数据存储是指计算机存储系统中的数据管理的总称，是计算机系统中极其重

要的组成部分。数据存储包括：磁盘、光盘、磁带等存储器；也包括：内存和硬

盘、磁带库等辅助存储设备。关系型数据库比较典型的有MySQL和Oracle等,非

关系型数据库等以键值对形式储存数据的代表有Mongodb、Redis等。

数据储存的方式有很多种，最常使用到的有记事本格式储存，或者用word等

其他软件进行储存，但这些方法的数据体量都比较小。所以本项目用到的是csv，

两者的可以储存较大的数据信息。

12

湖南商务职业技术学院毕业设计

5数据统计与分析

5.1数据准备

打开Excel软件，加载并查看收集的600条长沙酒店数据，筛选出所需要用

到的关键词条，为下一步做准备。如图5-1，5-2所示：

图5-1数据页面

13

湖南商务职业技术学院毕业设计

图5-2数据整合页面

5.2数据展示与分析

5.2.1依据价格功能售卖点进行统计与分析

如图5-3所示：

图5-3功能数据展示页面

酒店功能售卖数据分析：酒店价格的制定，是酒店营销部门根据市场行情，

参照当地的旅游消费水平和季节变化等情况综合考虑后制定的，每一种产品都有

其卖点，酒店价格也不例外。酒店价格卖点是酒店经营者在市场营销中采取的一

14

湖南商务职业技术学院毕业设计

种策略，其目的是通过促销手段来影响消费者的购买心理，促使消费者购买他们

所希望的产品。通常情况下，酒店价格卖点一般包含以下内容：提供不同类型的

客房和餐饮服务。

通过特定序列里面的数据再按照词云生成词云图，如图5-3所示可知免费停

车词条出现的频率最高，其次就是享会员权益。在携程网站上出现次数多次足以

说明免费停车已经成为大多数人选择酒店的依据，说明有免费停车服务的酒店更

受大众欢迎。

其次，同样占比较高的词条服务还有24小时前台以及多功能厅和智能家居，

说明大多数消费者比较看重前台的服务时间以及酒店的多功能性，说明了大多数

消费者比较看重高性价比而去选择酒店居住。

最后，站在消费者角度看待说明了大众群体在平台挑选酒店会看重个人体验，

对于目前有车的消费用户来说，车辆的停放是一个很大的问题，再者停放车辆的

停车管理费，酒店利用站在消费者的角度去推出一个免费停车的权益。站在酒店

管理层来说，推出享会员权益也是利己利他的一个选择，给消费者留下了好印象

的同时还吸引了回头客，间接的提高了酒店的入住率。

5.2.2依据酒店评分进行统计与分析

如图5-4所示：

图5-4酒店评分数据展示页面

由图5-4酒店评分数据展示所示可知：评分的主要对象是平台用户而非酒店

本身。高评分以及低评分都是占极低比例的

可以看出大部分消费者给出的评分是4.7分，这也意味着消费者用户对于酒

店的品质和服务的认可，用户对酒店评分的期望较高，酒店所给到的服务以及内

15

湖南商务职业技术学院毕业设计

容可以满足消费者的期望。

另外可以使用一些数据分析工具来分析评价率、客户流失情况、评分、客户

留存情况等等。从这些数据中，本项目可以更好地了解到现在消费者对酒店的态

度，同时也可以帮助酒店制定更好的运营方案。

另外可以看出携程平台的酒店的质量高低，大部分酒店的评分都是4评分以

上，一小部分酒店的评分占比有5以上，这样可以看出大多数消费者的消费习惯

以及对于入住酒店的选择。

其实有很多细节问题都是非常重要的。比如酒店的订房数据、住客信息、前

台接待等等，这些都是值得好好研究的。因为这些细节问题处理不好，那么就会

导致酒店流失很多客户，而且也不利于酒店的宣传。所以建议酒店应该花更多地

心思去做这些细节工作。当有了客人好评后，本项目还要学会分析客人评论，看

哪些评论是积极的，哪些是消极的？对于那些积极和消极的评论本项目都要好好

利用起来。比如如果是积极评论的话，就可以作为酒店下一步运营计划的参考和

借鉴。

为了避免差评和负面评论对本项目造成很大影响，本项目要学会分析客人评

分中存在哪些问题原因是什么？通过分析这些问题然后采取相应措施来解决这些

问题，这样才能更好地帮助到酒店提升评分。比如在客户评价中出现了一些不好

的评论后，本项目就需要立即去排查一下这些不良评论来自哪些方面？是哪方面

的原因导致了客人做出差评？针对客人所反馈出来的问题要进行具体分析，如果

是客户没有入住前就遇到了各种问题，那么就要想办法去解决客户遇到的这些问

题。

5.2.3依据携程网酒店价格进行统计与分析

16

湖南商务职业技术学院毕业设计

图5-5酒店价格数据展示页面

如图5-5酒店价格数据所示，城市星际越高，酒店价格越高，相同星级的酒

店，高低和商务型比经济型价格要高很多；商务型的和国际型比国内经济型价格

要高；同城五星级和城市4星的酒店比五星经济型酒店的价格要高。其实这都是

酒店针对不同需求而设置的。

可以看出在长沙受欢迎程度前600家的酒店中，高价酒店占比并不高，可以

清晰的看出平价酒店占比很高，这说明能跻身在受欢迎程度前600，是凭借自身平

价的优势破圈的。

高档的酒店针对高端客人，所以在定价时可以定得高些；而中档和经济型的

酒店针对中端客人，所以在定价时可以定得低一些。当高档、中档、经济型都有

的时候，那么根据这三个档次对不同类型的客人制定不同类型的价格就可以了。

从上面那个表格可以看出，星级越低。那么本项目可不可以根据这个规律来制定

酒店的价格呢？可以呀！但是根据上面那个表格本项目只能知道本项目所制定酒

店定价时所依据的基本信息是什么，并不能知道哪些因素在影响着酒店定价。高

星级酒店官网与OTA网站对比，同样的房型在OTA网站上在大力的促销政策下卖

价比酒店官网价格要更优惠，形式也多样化，还有不同的组合优惠价，而酒店官

网的价格体系单一，促销价格没有优势，不便于顾客直接在酒店官网预定而在OTA

网站上订房。要想真正了解这其中存在着什么规律，必须要通过调查分析来总结

出酒店定价所依据数据。

5.2.4前10热评酒店数据统计与分析

17

湖南商务职业技术学院毕业设计

图5-6前十酒店热评数据展示页面

从图5-6所示可以得知康莱酒店（黄花机场店）热评数量最多，其次是长沙

南站希尔顿欢朋酒店，可以看出前2位热评最多酒店地理位置都是坐落于交通枢

纽位置，交通便利，地势得天独厚，是来长沙旅游办公居所的不二之选。

可以看出交通枢纽型酒店是指位于城市交通要道,如机场、车站、码头等附近

或中心地带的酒店。这类酒店通常拥有良好的地理位置和便捷的交通条件,能够吸

引大量的商务客人。

5.2.5前600家酒店星级数据统计与分析

18

湖南商务职业技术学院毕业设计

图5-7数据统计展示页面

由图5-7数据展示图可以得知，在前600家酒店中黄色区域3星级酒店占比

最多，有220家；其次是红色区域2星级酒店，占比32%,有192家；然后是绿色

区域4星级酒店占比25.67%，有154家；最后是蓝色区域5星级酒店占比最少，

占比5.67%只有34家。

另外，住宿是旅行中不可缺少的一个环节。酒店星级的高低,往往代表着该酒

店在行业内的地位,也是游客在选择时的一个重要参考因素。那么,如何从星级来

评价一个酒店的好坏呢?

5.2.6酒店售卖点词云分析

19

湖南商务职业技术学院毕业设计

图5-8数据展示界面

酒店功能售卖数据分析：酒店价格的制定，是酒店营销部门根据市场行情，

参照当地的旅游消费水平和季节变化等情况综合考虑后制定的。由图5-8所示可

以得知，十亿豪补的占比是最大的，其次是高铁钻石价，可以看出占比较多的酒

店应该是位置毗邻高铁交通枢纽的酒店。

5.3综述

综上所述，携程网所筛选的受欢迎程度前600的酒店坐落于长沙，评分高与

星级高的酒店在长沙是当下消费者入住较多的酒店。酒店行业分析:长沙酒店市场

规模持续增长,未来发展潜力大。

首先，不同等级的酒店，消费者关注的信息重点不一样，而酒店页面信息所

呈现的位置、顺序级与方式都会显著影响消费者对信息的关注与接受，如对于五

星级酒店，其酒店地理位置、酒店价格及房型等信息应该在重点区域，而对于经

济型酒店，消费者的评论信息应更方便、快捷、全面地呈现给消费者，以便于他

们进行全面地甄选来入住消费。

其次，对数据可视化分析具象化了平台酒店的星级信息、酒店卖点信息，可

以得知消费者更倾向于入住三星级经济型酒店，其中消费者对于酒店设施、免费

停车、行李寄存及周边环境的评价能够显著影响酒店的网上预订，而对于其他的

标签服务消费者并非非常看重。地位位置也