案例 27｜酒店住宿信息采集

一、案例背景与采集目标

出门旅行或参加校招面试，选酒店总是最费神的一件事：同一晚、同一个商圈，价格能差好几倍，含不含早、离地铁多远、还剩几间房，都要一家一家点进去看。网站明明把所有信息都摆在那里，却没有人替你把它们排成一张能比较的表。这个案例要做的，就是这件事。和前面两个案例一样，它的落点也是帮学生做决定——把「今晚住哪家」变成一次简单的筛选。

示范站点有两个：携程酒店 · 广州酒店列表，网址 https://hotels.ctrip.com/hotels/list?city=32&checkin=2026-10-20&checkout=2026-10-22（city=32 是广州，checkin / checkout 是入住与离店日期，换成自己的日期即可），房型、价格、剩余房量、距离地标都写得很清楚；以及去哪儿酒店，网址 https://www.qunar.com/，用它来对照同一家酒店在不同平台的价格。要提醒的是：酒店搜索有风控，不带日期参数会被直接弹去登录页，连续请求还会弹验证码，本案例只示范公开挂牌价的整理，绝不做高频抓取。

1.1 为什么挑这两个站点

• 数据贴近真实需求。价格、房型、含早、剩余房量、距离地标，都是订房时必须知道的；
• 字段规整但价格会变。同一家酒店换一个入住日期价格就不同，正好讲清「什么条件下价格才可比」；
• 它代表了一大类站点。美团酒店、同程、飞猪、华住会的房源页结构都相似，学一套能迁移到一片；
• 风控很真实。连续请求会弹验证码，正好把「控制频率、不绕过」讲成操作规范而不是口号。

1.2 这个案例要拿到什么

• 某城市、某入住日期下的酒店清单，一家（或一个房型）一行；
• 酒店名称、城市、行政区或商圈、地址、星级、用户评分与点评数；
• 房型、是否含早、价格、剩余房量；
• 距离地标（地铁站 / 景点）；
• 最后一句「天河商圈、含早、4 星以上、距地铁 500 米内、每晚 600 元以内」就能筛出几家备选。

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：携程酒店 https://hotels.ctrip.com/ 与 去哪儿酒店 https://www.qunar.com/。

2.1 完整字段表（16 个）

下表就是本案例的验收标准。重点看「入住日期」——它是所有价格的前提；离开固定的入住日期谈价格比较，是这类数据最容易犯的错。

2.2 三个口径写死，后面少踩坑

• 必须固定入住日期。酒店价格随入住日期、天数、房量实时变化，不固定同一个入住日期就比价，等于拿苹果比橘子——本案例要求所有价格都在同一个入住日期下采集。
• 含早要单独成列。含早与否直接影响性价比，不能只按价格排序；从房型名与标签判断，拿不准的标「未知」并抽查。
• 「低价房已售完」要如实记。该房型剩余房量记 0 并标注，不要用同酒店其他房型的价格顶替，否则会误导订房决策。

三、零代码操作步骤

下面是在 WorkBuddy 里完成本案例的完整流程。注意：遇到验证码就停下，降低频率或改用人工少量查询。

1. 新建对话，粘贴下一节的采集提示词，先只查广州天河商圈、入住日期固定为 2026-10-15、住 1 晚。
2. 先看条数。确认采到的酒店数与页面上显示的在售家数一致。
3. 核对入住日期。让 AI 确认每一行的入住日期都相同，并说明查询用的日期与天数。
4. 拆含早与价格。说「把是否含早单独成列，价格去掉货币符号和『起』字，『起』写进备注」。
5. 处理售完房型。说「『低价房已售完』的房型，剩余房量记 0 并标注，不要用别家价格顶替」。
6. 补距离地标。说「把每家酒店距离最近地铁站或景点的距离单独成一列」。
7. 比价对照。说「去同一家酒店在去哪儿上的价格，与携程的收入同一张表对照」。
8. 筛选备选。说「筛出天河商圈、含早、4 星以上、距地铁 500 米内、每晚 600 元以内的酒店」。
9. 导出并归档。说「导出为 Excel，文件名 hotels_guangzhou_20261016.xlsx」。

四、提示词模板与追问技巧

下面这段可以直接复制。注意四个要点：网址写全、固定入住日期、字段按编号列清、把不绕验证码、不碰个人隐私交代死。

请帮我采集酒店住宿信息，整理成一张酒店比价清单。

【目标站点】
  1. 携程酒店 https://hotels.ctrip.com/hotels/list?city=32&checkin=2026-10-20&checkout=2026-10-22
     city=32 是广州，checkin / checkout 是入住与离店日期，换成自己的日期即可
     （注意：日期要用今天或往后的日子，填过去的日期页面会弹登录页）。
     房型、价格、剩余房量、距离地标都写得清楚。
  2. 去哪儿酒店 https://www.qunar.com/
     用来对照同一家酒店在两个平台的价格。

【查询条件】城市：广州；商圈：天河；入住日期：2026-10-20；住 2 晚（10-22 离店）。
  注意：所有价格必须在同一个入住日期下采集，否则不可比。

【需要字段】按这个顺序：
  1. 酒店名称
  2. 城市
  3. 行政区或商圈
  4. 地址
  5. 星级（经济型 / 3 星 / 4 星 / 5 星 等）
  6. 用户评分（注明制式）
  7. 点评数（还原成整数）
  8. 房型
  9. 是否含早（含早 / 不含早 / 未知）
 10. 早餐份数（不含早记 0）
 11. 入住日期（统一成 2026-10-20）
 12. 价格（纯数字，元/晚；「起」另外备注）
 13. 剩余房量（「低价房已售完」记 0）
 14. 距离地标（距地铁站或景点多少米）
 15. 详情链接
 16. 采集时间（2026-10-16 10:30 这种格式）

【处理口径】
  - 固定同一入住日期与天数，所有价格才可比
  - 含早与否单独成列，不只按价格排序
  - 「低价房已售完」的房型剩余房量记 0 并标注，不要用其他房型价格顶替

【合规要求】
  - 只采公开展示的挂牌价与房型
  - 绝不采用户评价里的姓名、电话、房间号等个人信息
  - 控制频率，每次请求间隔至少 2 秒；遇到验证码立即停止并告诉我，绝不绕过
  - 结果导出为 hotels_guangzhou_20261016.xlsx

4.1 三条常用追问指令

追问一（入住日期不一致）：
  这份清单里好像混进了不同入住日期的价格。请按入住日期分组，
  把不是 2026-10-20 的记录单独列出来，并告诉我每一组的酒店数与均价。

追问二（含早没分开）：
  含早与不含早的房型被按价格混在一起排了。请把「是否含早」单独成列，
  并按「含早」和「不含早」分别给出均价，方便我判断含早到底值不值。

追问三（售完房型）：
  有几家酒店标着「低价房已售完」，价格却还是低价。
  请把这些房型的剩余房量改成 0 并标注「已售完」，不要用同酒店其他房型的价格顶替。

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；均为 2026-10-20 入住、住 2 晚）：

5.1 五步清洗，一句话一条

① 锁定入住日期：
   确认所有记录的入住日期与天数为同一组（2026-10-20，住 2 晚），不一致的分组标注。

② 价格清洗：
   去掉「¥」与「起」，只留数字；「起」写进备注列；币种注明人民币。

③ 含早标准化：
   按房型文案判断含早 / 不含早 / 未知，含早单独成列并标早餐份数。

④ 售完房型处理：
   「低价房已售完」的剩余房量记 0 并标注，不用其他房型价格顶替。

⑤ 去重与对照：
   按「酒店名称 + 房型 + 入住日期」去重；两个平台同店的价格并排对照后再导出。

5.2 保存与归档

hotels_guangzhou_20261016.xlsx          酒店清单（原始字段）
hotels_guangzhou_20261016_clean.xlsx    清洗版（价格清洗 + 含早标准化 + 售完标注）
hotels_guangzhou_compare.xlsx           两平台同店比价对照表
hotels_guangzhou_log.txt                日志：城市、商圈、入住日期、家数、验证码次数、采集时间

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. 只采公开挂牌价。公开展示的价格、房型、位置可以采；需要登录或会员才能看的协议价不采。
2. 不采个人信息。住客评价里的姓名、电话、房间号等信息一律不采、不存、不传。
3. 控制频率。每次请求间隔 ≥2 秒，遇到验证码立即停止；采集结果只用于课堂分析。

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。