Apify Actor untuk mengekstraksi data tentang hotel dari booking.com.
Booking.com menyediakan berbagai jenis akomodasi di seluruh dunia. Antarmuka pengguna
cukup ramah untuk pengguna manusia, namun untuk mendapatkan data dalam format yang dapat diproses mesin
bukan tugas sederhana, karena tidak ada API Booking.com resmi. Di sinilah pemasangan baru ini
Aktor berguna.
Aktor ini mengekstrak data hotel dari booking.com, dapat diekstraksi langsung dari
Halaman daftar hotel atau navigasikan ke halaman detail untuk mendapatkan informasi lebih rinci.
Hasilnya dapat dipesan dengan kriteria apa pun yang didukung oleh Booking.com.
Karena booking.com hanya memungkinkan 1000 hasil pencarian, jika Anda perlu mengunduh lebih banyak,
Anda perlu menggunakan atribut useFilters untuk memberi tahu crawler untuk membuat semua kriteria
halaman yang difilter. Ini akan mengatasi batasnya, tetapi akan secara signifikan meningkatkan waktu merangkak.
Input adalah objek JSON dengan properti berikut:
{
"search" : SEARCH_QUERY ,
"destType" : DESTINATION_TYPE ,
"simple" : EXTRACT_FROM_LIST ,
"useFilters" : USE_CRITERIA_FILTERING ,
"minScore" : MINIMUM_HOTEL_RATING ,
"maxPages" : MAXIMUM_PAGINATION_PAGES ,
"concurrency" : MAXIMUM_CONCURRENT_PAGES ,
"checkIn" : CHECK_IN_DATE ,
"checkOut" : CHECK_OUT_DATE ,
"rooms" : NUMBER_OF_ROOMS ,
"adults" : NUMBER_OF_ADULTS ,
"children" : NUMBER_OF_CHILDREN ,
"currency" : PREFERRED_CURRENCY ,
"language" : PREFERRED_LANGUAGE ,
"sortBy" : BOOKING_SORT_TYPE ,
"propertyType" : PROPERTY_TYPE ,
"minMaxPrice" : MIN_MAX_PRICE_RANGE ,
"proxyConfig" : APIFY_PROXY_CONFIG
}search adalah satu -satunya atribut yang diperlukan. Ini adalah permintaan pencarian booking.com.destType Menentukan jenis pencarian, nilai yang tersedia adalah city dan region .simple Jika data harus diekstraksi hanya dari halaman daftar, default false .useFilters menetapkan jika crawler harus menggunakan filter kriteria untuk mengatasi batas untuk 1000 hasil.minScore menentukan peringkat minimum yang diizinkan dari hotel untuk dimasukkan dalam hasil, default adalah 8.4 .maxPages menetapkan jumlah maksimum halaman pagination untuk dirangkak.checkIn dalam format MM-DD-yyyy.checkOut Check-Out Tanggal dalam format MM-DD-YYYY.rooms Jumlah kamar yang akan ditetapkan untuk pencarian.adults orang dewasa yang akan ditetapkan untuk pencarian.children Jumlah anak yang akan ditetapkan untuk pencarian.currency untuk ditetapkan di Situs.language ditetapkan di Situs.propertyType properti untuk dicari, itu akan menggunakan filter, jadi tidak dapat dikombinasikan dengan useFilters . [
"none" ,
"Hotels" ,
"Apartments" ,
"Hostels" ,
"Guest houses" ,
"Homestays" ,
"Bed and breakfasts" ,
"Holiday homes" ,
"Boats" ,
"Villas" ,
"Motels" ,
"Holiday parks" ,
"Campsites" ,
"Luxury tents"
]minMaxPrice Min-Max Range, itu akan menggunakan filter, jadi tidak dapat dikombinasikan dengan useFilters . [
"none" ,
"0-50" ,
"50-100" ,
"100-150" ,
"150-200" ,
"200+"
]proxyConfig mendefinisikan konfigurasi proxy APIFY, itu harus menghormati format ini: "proxyConfig" : {
"useApifyProxy" : true ,
"apifyProxyGroups" : [
"RESIDENTIAL" ,
...
]
}sortBy menetapkan atribut hotel yang dengannya hasilnya akan dipesan, harus menjadi salah satu dari yang berikut. [
"bayesian_review_score" , // Rating
"popularity" , // Popularity
"price" , // Price
"review_score_and_price" , // Rating and price
"class" , // Stars
"class_asc" , // Stars ascending
"distance_from_landmark" // Distance from city centre
] Alih -alih atribut input search , juga dimungkinkan untuk memulai crawler dengan array startUrls .
Dalam kasus seperti itu semua atribut lain yang memodifikasi URL masih akan diterapkan, oleh karena itu disarankan untuk
Gunakan URL sederhana dan atur semua opsi lain menggunakan atribut input alih -alih meninggalkannya di URL untuk
Hindari parameter URL yang berselisih.
Jika Starturl adalah halaman detail hotel, itu akan dikikis. Jika itu adalah halaman daftar hotel, hasilnya
akan tergantung pada atribut simple . Jika itu true , halaman akan dikikis, jika tidak semua tautan
Halaman detail akan ditambahkan ke antrian dan dikikis sesudahnya.
Atribut startUrls harus menata berbagai URL sebagai berikut:
{
"startUrls" : [
"https://www.booking.com/hotel/fr/ariane-montparnasse.en-gb.html" ,
"https://www.booking.com/hotel/fr/heliosopera.en-gb.html" ,
"https://www.booking.com/hotel/fr/ritz-paris-paris.en-gb.html" ,
...
] ,
"simple" : false ,
"minScore" : 8.4 ,
...
} Dalam hal menggunakan atribut input simple , output contoh untuk satu hotel dapat terlihat seperti ini:
{
"url" : "https://www.booking.com/hotel/cz/elia-ky-kra-snohorska-c-apartments-prague.en-gb.html" ,
"name" : "Centrum Apartments Old Town" ,
"rating" : 10 ,
"reviews" : 7 ,
"stars" : 4 ,
"price" : 86 ,
"currency" : "€" ,
"roomType" : "Deluxe Three-Bedroom Apartment with Terrace" ,
"persons" : 4 ,
"address" : "Prague 01, Prague" ,
"location" : {
"lat" : "14.4199419021606" ,
"lng" : "50.0903216331068"
}
} Kalau tidak, output akan jauh lebih komprehensif, terutama array rooms , yang akan
berisi data hanya jika atribut input checkIn dan checkOut diatur.
{
"url" : "https://www.booking.com/hotel/cz/elia-ky-kra-snohorska-c-apartments-prague.en-gb.html" ,
"name" : "Centrum Apartments Old Town" ,
"type" : "Apartment" ,
"description" : "Situated in the centre of Prague in a historical building near the Pařížská street, 500 metres from the Old Town Square, the Pragueaparts Old town E offers..." ,
"stars" : "4" ,
"rating" : 10 ,
"reviews" : 7 ,
"breakfast" : null ,
"checkIn" : "15:00" ,
"checkOut" : "00:00" ,
"location" : {
"lat" : "50.0903216" ,
"lng" : "14.4199419"
} ,
"address" : {
"full" : "Elišky Krásnohorské 2, Prague, 11000, Czech Republic" ,
"postalCode" : "11000" ,
"street" : "Elišky Krásnohorské 2" ,
"country" : "Czech Republic" ,
"region" : ""
} ,
"image" : "https://t-ec.bstatic.com/images/hotel/max1024x768/183/183313960.jpg" ,
"rooms" : [
{
"available" : true ,
"roomType" : "Deluxe Three-Bedroom Apartment with Terrace" ,
"bedType" : " Bedroom 1: 1 extra-large double bed Bedroom 2: 2 single beds Bedroom 3: 3 single beds and 1 sofa bed " ,
"persons" : 1 ,
"price" : 85.54 ,
"currency" : "€" ,
"features" : [
"80 m²" ,
"City view" ,
"Terrace" ,
"Flat-screen TV" ,
"Air conditioning" ,
"Private bathroom" ,
...
] ,
"conditions" : [
"Non-refundable"
]
} ,
...
]
} Aktor tidak akan bekerja tanpa proxy, yaitu jika Anda mencoba menjalankannya tanpa mengatur proxy, itu akan gagal dengan pesan yang menjelaskan hal itu.
Booking.com hanya akan menampilkan maksimum 1000 hasil, jika Anda perlu menghindari batasan ini,
Anda dapat menggunakan atribut input useFilters . Namun, dalam kasus seperti itu tidak mungkin
Untuk menggunakan filter pembatas di URL start, karena scraper akan mengesampingkannya.
Jika Anda perlu mendapatkan data tentang kamar tertentu, crawler perlu dimulai dengan checkIn dan
Atribut input checkOut (booking.com hanya menunjukkan info kamar untuk tanggal tertentu).
