案例 24｜旅游攻略与景点点评采集

一、案例背景与采集目标

每到小长假，最难的一件事就是做攻略：去哪个城市、哪些景点值得去、门票多少、要留多久、周一会不会闭馆——信息散在几十篇攻略里，看完还是拿不准。这个案例要做的事，是把旅游平台的景点与点评整理成一张行程候选清单，让排行程从刷半天手机变成按条件筛选。和前面求职采集那一案一样，这一篇的落点也是帮学生做决定，只是把「能投哪些岗位」换成了「该去哪些景点」。

示范站点有两个：马蜂窝，网址 https://www.mafengwo.cn/，它的景点页与攻略区信息最全；以及携程旅游攻略，网址 https://you.ctrip.com/sight/guangzhou152.html，它的景点详情页字段规整、门票与开放时间写得清楚。两个站点的景点字段高度相似，正好合到一张表里。

1.1 为什么挑这两个站点

• 数据贴近真实需求。门票、开放时间、建议游玩时长、点评数，都是排行程时必须知道的；
• 字段规整但口径不一。同样是评分，携程中国站是 5 分制、携程国际版 Trip.com 却用 10 分制；门票有区间价也有套票，正好练口径统一；
• 它代表了一大类站点。去哪儿、飞猪、穷游网、大众点评的景点页结构都相似，学一套能迁移到一片；
• 重点在清洗而不是抓。把两家的评分、门票统一成同一口径，比多抓几百条更能体现数据能力。

1.2 这个案例要拿到什么

• 一个城市的景点清单，一个景点一行；
• 景点名称、所在城市、景点类型；
• 门票价格、开放时间、建议游玩时长；
• 评分（统一成 5 分制）、点评数、热度排名；
• 最佳季节、交通提示；
• 关联的攻略标题、作者、发布时间与详情链接；
• 最后按城市 + 建议游玩时长 + 开放时间 + 门票，筛出一份小长假候选清单。

1.3 三个必须先想清楚的口径

1.4 这个案例的难点在哪

目标站点与交付产物

下表是本篇用到的真实站点。绿色是课堂可稳定复现的示范站点；橙色是延伸站点，多数有登录墙或风控，课堂上只讲结构、原理与合规边界，不教绕过。

二、数据源与字段设计

目标站点：马蜂窝 https://www.mafengwo.cn/ 与 携程旅游攻略 https://you.ctrip.com/sight/guangzhou152.html。

2.1 完整字段表（21 个）

下表就是本案例的验收标准。重点看「评分原制式 / 评分统一5分制」与「门票下限 / 上限」这几列，它们是两家站点能合到一张表的关键。

2.2 三个口径写死，后面少踩坑

• 评分必须统一到 5 分制。同一家平台内部，评分制式就不统一：携程中国站（you.ctrip.com）是 5 分制，而携程国际版 Trip.com 自 2025 年 4 月起改用 10 分制展示（官方换算规则：原始分 × 2，向下取整保留一位小数）。不换算直接放一列排序必然出错——把 10 分制除以 2，并单独保留「评分原制式」列以便追溯。
• 门票要拆下限与上限。「60 元」记下限 60；「60–120 元」「套票 120 元」记下限 60、上限 120，套票信息写进备注；免费景点记 0 而不是空，因为「免费」是一个明确的价格。
• 开放时间的条件要单独成列。「周一闭馆」不是全天开放，把它放进标记列，排行程时才不会把闭馆日排进去。

三、零代码操作步骤

下面是在 WorkBuddy 里完成本案例的完整流程。全程不需要你写一行代码，但每一步都要动手核对。

1. 新建对话，粘贴下一节的采集提示词，先只采一个城市（如杭州）的景点列表。
2. 先看评分口径。让 AI 把原始评分和满分一起列出来，确认换算公式后再统一。
3. 拆分门票。说「把门票拆成下限和上限两列，套票信息写进备注，免费景点记 0」。
4. 处理开放时间。说「保留开放时间，另加一列标记周一是否闭馆」。
5. 补采点评。说「每页点评都要采，按页码循环，去重后合并，最后统计每个景点的点评数」。
6. 关联攻略。说「把每个景点相关的攻略标题、作者、发布时间也带上，只取标题不取正文」。
7. 算时长。说「新增一列时长分钟，把『半天』换算成 240 分钟」。
8. 排候选清单。说「按城市分组，筛出建议时长在半天内、且周一不闭馆的景点」。
9. 导出并归档。说「导出为 Excel，文件名 travel_hangzhou_20261008.xlsx」。

四、提示词模板与追问技巧

下面这段可以直接复制。注意三个要点：网址写全、字段按编号列清、把评分与门票的口径交代死。

请帮我采集旅游平台上的景点与点评信息，整理成一张景点候选清单。

【目标站点】
  1. 马蜂窝 https://www.mafengwo.cn/
     景点页与攻略区，评分是 5 分制。
  2. 携程旅游攻略 https://you.ctrip.com/
     景点详情页，门票与开放时间写得清楚，评分也是 5 分制。
  3. 携程国际版 Trip.com https://www.trip.com/
     同一批景点，但评分用 10 分制，换算时按「÷ 2、保留一位小数」处理。

【采集范围】先只采杭州的景点列表，我确认后再采更多城市。

【需要字段】按这个顺序：
  1. 景点名称
  2. 所在城市
  3. 景点类型（自然 / 人文 / 主题乐园 等）
  4. 门票价格原文（照录）
  5. 门票下限、门票上限（元，免费记 0）
  6. 是否套票（是 / 否）
  7. 开放时间（统一成 24 小时制）
  8. 是否周一闭馆（是 / 否 / 未知）
  9. 建议游玩时长（原文）
 10. 时长分钟（换算成整数分钟）
 11. 评分原制式（5 分制 / 10 分制）
 12. 评分统一5分制（10 分制 ÷ 2，保留一位小数）
 13. 点评数（「1.2万」还原成整数）
 14. 热度排名
 15. 最佳季节
 16. 交通提示
 17. 攻略标题（只取标题）
 18. 攻略作者（只取公开昵称）
 19. 发布时间（统一成 YYYY-MM-DD）
 20. 详情链接

【处理口径】
  - 评分统一到 5 分制，另存原制式；不要把两种制式的分数直接放一列排序
  - 门票拆下限与上限；免费景点记 0；套票信息写进备注
  - 开放时间保留原文，另设「周一闭馆」标记列

【合规要求】
  - 只采公开展示的景点与门票元数据
  - 攻略正文与点评长文受著作权保护，只取标题与出处，不整篇转载
  - 点评里若含他人姓名、电话、位置等个人信息，一律不采
  - 控制频率，每次请求间隔至少 1 秒
  - 结果导出为 travel_hangzhou_20261008.xlsx

4.1 三条常用追问指令

追问一（评分口径没统一）：
  同一处景点，携程中国站（you.ctrip.com）打 4.6 分（5 分制），
  携程国际版 Trip.com 却是 9.2 分（10 分制），被直接放在一列里排序了，结果不对。
  请把 10 分制的评分除以 2 统一成 5 分制，并单独保留「评分原制式」列。

追问二（门票区间与套票）：
  门票写「60–120 元」和「套票 120 元」的，被当成一个数记了。
  请拆成门票下限和上限两列，把套票说明写进备注，免费景点记 0 并备注「免费」。

追问三（周一闭馆）：
  开放时间里有「周一闭馆」，请单独加一列「是否周一闭馆」标记，
  排行程时我要能直接把周一的安排避开这些景点。

五、结果核对、清洗与保存

整理后的结果样例（示例数据，字段形态与真实一致；评分已统一为 5 分制）：

5.1 五步清洗，一句话一条

① 评分统一：
   10 分制的评分除以 2，统一成 5 分制并保留一位小数；另存「评分原制式」列。

② 门票拆分：
   「60 元」→ 下限 60；「60–120 元」→ 下限 60、上限 120；
   免费景点记 0 并备注「免费」；套票信息写进备注。

③ 开放时间规范化：
   统一成 24 小时制；另设「是否周一闭馆」标记列。

④ 时长换算：
   「半天」→ 240 分钟、「2–3 小时」→ 150 分钟，保留原文另存一列。

⑤ 去重与合并：
   两家站点按「景点名称 + 所在城市」去重，保留信息更全的一条，再导出。

5.2 保存与归档

travel_hangzhou_20261008.xlsx          景点清单（原始字段）
travel_hangzhou_20261008_clean.xlsx    清洗版（评分统一 + 门票拆分 + 时长换算）
travel_hangzhou_plan.xlsx              小长假候选清单（按城市与时长筛选后）
travel_hangzhou_log.txt                日志：来源、城市、景点数、点评页数、去重条数

六、常见问题与合规红线

6.1 这个站点上最容易踩的五个坑

6.2 三条合规红线（每个案例都要过一遍）

1. 只采公开元数据。景点名称、门票、开放时间、评分这些公开展示的信息可以采；需要登录才能看的内容不采。
2. 尊重著作权。攻略正文、点评长文、配图属于作者创作，只取标题与出处，绝不整篇转载。
3. 不采个人信息。点评里出现的姓名、电话、位置等信息不采、不存、不传；控制频率。

七、随堂自测（10 题）

点击选项即可判分，答错的题会立刻显示解析。