基于Python爬蟲的旅游網站數據分析與可視化設計分析

摘要：網站與搜索引擎中爬蟲屬于核心元素，網絡爬蟲可以在網絡中快速抓取海量有用信息。為了對旅游網站中信息數據展開爬取，對網站中熱門景點與熱門地區進行分析，研究一種以SCRAPY框架為基礎的網絡爬蟲，分析爬取的數據，借助第三方庫對數據信息進行可視化處理。最終試運行結果顯示，該程序可以對微博、馬蜂窩與其他數據量密集網站進行有效爬取。

關鍵詞：Python爬蟲；旅游網站；數據分析；可視化設計

中圖分類號：TP391" " " " 文獻標識碼：A

文章編號：1009-3044（2022）33-0058-03

當前，在線旅游已經成為人們新興生活模式，發展迅速。在線旅游主要指游客借助網絡為游客提供預訂旅游服務或是產品，同時借助線下付費、網上支付，旅游公司借助網絡營銷旅游產品。此過程，游客借助搜索引擎對旅游信息進行瀏覽、查詢。在出現海量數據之后，搜索引擎重要性開始顯現出來，為了對所需信息進行快速搜索，Python爬蟲開始引起民眾注意[1]。

1 Python爬蟲技術及語言優勢

1.1 Python爬蟲技術

網絡爬蟲，主要是根據相應規則對旅游網站中腳本或是程序進行自動抓取，在網站設計、搜索引擎等方面具有廣泛應用。在輿情監控、Web安全、科學研究以及數據分析等方面應用廣泛。在圖像處理、機器學習以及數據挖掘等領域，借助腳本程序編寫，在網上完成信息爬取，為研究活動提供良好數據支持。

1.2 Python語言優勢

（1）Python語言具有較大靈活性與強大性特點，相比于Java、C++、C等語言，該語言語法簡單，無須設置復雜代碼即可以實現強大功能。比如，Java語言需要設置100行代碼才可以實現相應功能，而Python僅需要設置50行代碼即可以實現相應功能，充分減小學習難度。

（2）Python具有開源免費優勢，即無須花費任何費用即能夠使用，人們直接下載即可，同時可以修改其源碼，具有良好便捷性[2]。

（3）效率高。Python第三方庫較為強大，人們下載調用庫，并以此為基礎開展開發作業，即能夠實現復雜功能，有效節省功能開發時間，防止重復開發現象。

（4）Python具有較強可移植性。因為Python開源性特點，所以Python可移植性良好，可以在其他平臺移植Python，比如蘋果、安卓、Linux、window等系統。

2 基于Python爬蟲的旅游網站數據分析

2.1 旅游網站數據分類

（1）聚焦型爬蟲網站數據。此類數據主要是基于網絡爬蟲，添加步驟與機制，進而實現特定功能。借助制定規則，將不需要或是已經抓取的旅游數據過濾掉，可以快速通過網絡抓取海量有用信息，此種爬蟲數據工作量小、目標明確。

（2）Deep web爬蟲數據。涵蓋depp web與surface web兩種類型，前者主要是爬取動態網絡；后者一般針對深層網絡與表層網絡，一般爬取靜態旅游網站。

（3）增量式爬蟲數據。對于已經爬取的旅游網站開展添加與更新操作，其難度較大，但是時間成本小，在算法方面具有較高要求。

（4）通用型爬蟲數據。目標范圍廣泛，但是爬行效率低，無法保證旅游數據抓取質量。

2.2 Python爬蟲下的數據分析

在云計算和大數據技術快速發展過程中，MongoDB數據庫得到廣泛應用。MongoDB主要是面向信息儲存，其能夠把數據信息儲存成文檔，信息結構由鍵值對構成，并且字段值能夠涵蓋其他文檔數組與文檔/數組。該數據庫可以為Web提供可拓展數據庫處理方案，具有易使用、易部署、可拓展、高性能等特點。

數據可視化可以將數據信息更加直接、有效地反映出來，保證數據分析質量，借助柱狀圖對各個地區旅游熱度進行展現。旅游地區熱度借助該地區景點的受關注情況進行體現，其參照點為熱度與級別。按照熱門景點實際出現頻率，同時根據其熱度對全國熱門地區開展統計分析，按照地區熱門景點出現頻率，開展求和計算，進而得到該地區熱度情況[3]。

3 基于Python爬蟲的旅游網站數據的可視化設計

3.1 程序描述

本文Python爬蟲代碼系統涵蓋3個代碼段模塊，就是操作預備、跟蹤捕獲與分析整理3個代碼段模塊。

操作預備模塊核心功能如下：跟蹤捕獲數據初期，即限制完成data類型，在計算機中網絡使用者的識別名稱進行轉變，或是對自動登錄信息進行轉變，實現多次訪問。

對于跟蹤捕獲模塊，核心功能如下：主體款框架，通過第一個定義的網站網絡頁面進行跟蹤捕獲，完成相應操作后進行篩選識別，通過返回數值相應范式將各個回調函數啟動。

分析整理模塊，主要承接上述操作，對data進行解構，評價data是否符合提前制定data范式要求，若是所獲data為相同類型數據，可以通過MongoDB或是Not only sql進行儲存，否則可以將其統一地址符向排列模塊傳輸進行排列，用于跟蹤捕獲[4]。

3.2 程序架構與開發

（1）操作預備模塊。在該代碼模塊中，需要限制data。此時研究人員可能使用IRM.PY文件，其屬于data跟蹤捕獲容器，其對跟蹤捕獲操作中數據類型規則進行了定義。對于爬蟲代碼系統，編寫人員針對所捕獲數據根據以下方法對類型進行限制。

Class Score，對旅游網站中酒店評價數據范式進行限制。

Class Locatinon，對所捕獲酒店地址數據范式進行限制。

Class Commeent，對所捕獲酒店入住評論數據范式進行限制。

Class Facilities，對所捕獲酒店的硬件設施信息數據范式進行限制。

以下是Facilities具體定義，可以選擇Field（）代碼對data進行限制， 如下所示：

[Class" "FACILTIESItem：]

[\"酒店硬件\"]

[_id=Field（）#酒店識別號]

[Name=Field（）#酒店名稱]

[Key words=Field（）#關鍵詞]

[Web=Field（）#網絡設施]

[Transportation=Field（）#交通設施情況]

[Children’s facilities=Field（）#兒童設施情況]

[Breakfast fast=Field（）#早餐信息]

[Pet=Field（）#寵物信息]

[Room=RField（）#房間數量]

[Open=Field（）#開業時間]

（2）跟蹤捕獲模塊。SPIDERS.PY文件中分布著該字段的程序表述，其是本文爬蟲代碼程序關鍵功能單元。在該功能單元中編碼人員對Tourism Spinder類進行限定。

第一、HOST與NAME代碼解釋。HOST對跟蹤捕獲范圍進行限制。NAME主要是對SPIDER稱呼規范完成。

第二、START_URLS解釋，其代表先啟動原始資源符地址的排列順序表，指引爬蟲代碼程序先跟蹤的對象。代碼程序即刻跟蹤捕獲網站信息頁請求，實現跟蹤捕獲。基于此種場景，為了保證編寫便捷性，選擇域名代表號ui資源符地址進行表示。為了保證程序可以對正規、完整的url進行體現，可以借助限定方式對HOST限制域和域名代表號進行結合。

第三、[FINISH_ID：SET（）]與[SCRAWL_ID]函數主要利用SET系統變量對所捕獲url與基金捕獲url進行替代，此種方式能夠防止重復操作。

在[TOURISM SPIDER]中，編寫人員對核心功能函數進行限制。包括[PARSE0（）]、[START_REQUESTS（）]函數。[START_REQUESTS（）]主要是將網站信息頁觸發；[PARSE0（）、PARSE1（）]等與酒店評分、酒店地址、入住評論、硬件設施等數據相對應[5]。

（3）后續信息處理。SPIDERS.PY文件能夠細致完成系統性、整套操作，可以將其作為信息處理系統，如下所示：

[class Mongo DBPiplelineobject：]

[def _init_（self）：]

[clinet=pymongo.Mongo client“localhot”，27017]

[db=client[\"mafengwo\"]]

[self.FACILITIES=db[\"COMMENT\"]]

[self.LOCATION=db[\"LOCATION\"]]

[self.SCORE=db[\"SCORE\"]]

[defprocessitemself.item，spider：]

[if isinstanceitem，FACILITIES Item：]

[try：]

[self.FACILITIES.insert（dict（item））]

[except Exception：]

[pass]

SPIDERS.PY對Mondo Dbpipeline含義進行限制，涵蓋2種方式，與MongoDB通信主要借助Pymongo字碼段實現。

[clinet = pymongo.Mongo Client（\"localhost\"， 27017）]

進行與data客戶端接口，在后續開啟“mafaengwo”名稱data庫，各個代碼段構建SCORE、LOCATION、FACILITIES以及COMMENT表格，主要功能就是對相關數據進行儲備。

[PROCESS_ITEM（）]可以對IEM結構范式進行評價，若是評價結果屬于FACILITIES則向相應表格中插入。在此環節，可以進展到末端data處理[6]。

3.3 程序調試與運行

（1）試運行軟硬件。選擇Windows7系統，軟件選擇[Python 2.7 SCRAPY 1.0]；硬件選擇[INTEL COREI7-3317u @1.70ghz 8G ram]，網絡環境選擇100兆的光纖寬帶。

（2）爬蟲工作狀態。進行試運行時，選擇馬蜂窩網站中酒店信息進行跟蹤捕獲，其效率可以達到300萬/d。試運行時，需要穩定頻率對Cookies中用戶信息進行變動，盡量預先存儲足夠用戶信息。并且Mongo DB工作狀況優良，在數據量處理方面符合要求。

（3）信息data的獲取。啟動代碼程序，生成數據庫，名稱為Mafengwo，對四個表格進行存儲。對酒店中的硬件信息、酒店入住評論信息與酒店地址信息、評價數據信息等進行功能性實施，本文對COMMENT和FACILITIES情形進行典型性闡述。

基于直觀對比數據的考慮，導出爬取結果，建立Excale文件。按照上述爬取能夠獲得COMMENT表。見表1所示。

同理，獲得FACILITIES表。

（4）爬取數據的價值。本程序爬取旅游網站數據之后，借助這些信息對網站流量、網站中酒店數量、酒店詳細信息、用戶對于酒店的評價等進行分析。比如，彩虹云霄酒店的ID代號是14777，借助已經爬取信息，相關人員能夠獲得該酒店的關鍵詞是“海景、美觀、舒適、時尚”等，附近交通設施是“免費停車場”，網絡條件是“Wi-Fi”等，評論區中為“適合觀海，酒店與海邊的步行距離為半小時”“網速快”“隔音效果非常棒”“早餐豐富”“服務態度非常差，不及時換床單”等。通過上述信息，游客能夠了解酒店基本信息與客戶的入住體驗，另外，可以根據相應順序具體編排這些信息，能夠為到該地區游玩的游客提供酒店參考，具有良好商業價值[7]。

（5）其他結果。爬取馬蜂窩網站中酒店信息之后，爬取馬蜂窩網站中北京旅游景點數據。借助網站信息能夠瀏覽景點介紹。涵蓋景點經緯度、門票、交通、開放時間與用時參考等，如表2所示：

之后爬取微博數據，觀察微博中“周日”詞條出現概率， 能夠發現，周日為2020年2月2日，具有較高的出現頻率，但是2月1日出現頻率為何減小呢？主要是由于一些人會說“明天”。

結合上述爬取數據信息，該程序可以對微博、馬蜂窩以及其他數據量密集的網站進行有效爬取。

4 總結

綜上所述，本文以Python語言等為基礎架構，建立高度拓展面、高度自定義的爬蟲程序體系。該程序系統可以跟蹤捕獲各個網站中酒店信息，對酒店相關信息進行捕獲。通過測試可以發現，SCRAPY程序結構編寫爬蟲程序，可以為用戶帶來良好體驗，節省精力和時間。同時基于此種方式建立爬蟲程序系統在工作時具有優秀的表現。

參考文獻：

[1] 劉娟，管希東.基于Python爬蟲的職位信息數據分析和可視化系統實現[J].軟件工程與應用，2020（4）：317-325.

[2] 賈艷平，翟晉剛.基于Python爬蟲技術的游客評論數據可視化分析[J].安陽師范學院學報，2021（5）：51-54.

[3] 方德濤.基于Python爬取POI在城市地理國情監測中的應用[J].地理空間信息，2021，19（6）：79-82，I0002.

[4] 李超，唐義杰.基于案例的大數據分析課程教學研究——以網絡數據收集和數據可視化教學內容為例[J].白城師范學院學報，2019，33（6）：56-61.

[5] 曾誠.基于Python的網絡爬蟲及數據可視化和預測分析[J].信息與電腦，2020（9）：167-169.

[6] 張俊威，肖瀟.基于Python爬蟲技術的網頁數據抓取與分析研究[J].信息系統工程，2021（2）：155-156.

[7] 王子予，郝艷華，關涵文，等.基于Python網絡爬蟲技術可視化分析公眾應對暴雪凍雨氣象的反應[J].中華衛生應急電子雜志，2021，7（6）：379-381.

【通聯編輯：唐一東】