Ctrip-Crawler

这个爬虫程序的主要结构和功能。

1. 主要类和函数： a) DataFetcher 类：这是整个爬虫的核心类。 b) 辅助函数： init_driver(): 初始化 Selenium WebDriver gen_citys(): 生成城市组合列表 generate_flight_dates(): 生成需要爬取的日期列表 download_stealth_js(): 下载用于隐藏 Selenium 特征的 JavaScript 文件 DataFetcher 类的主要方法： a) refresh_driver(): 刷新浏览器页面 b) remove_btn(): 移除页面上的一些干扰元素 c) check_verification_code(): 检查是否出现验证码 d) login(): 执行登录操作 e) get_page(): 获取初始页面 f) change_city(): 更改出发地和目的地 g) get_data(): 获取航班数据 h) decode_data(): 解码获取的数据 i) check_data(): 检查数据的有效性 j) proc_flightSegments(): 处理航班段信息 k) proc_priceList(): 处理价格信息 l) mergedata(): 合并处理后的数据并保存 主要工作流程： a) 初始化 WebDriver b) 生成城市组合和日期列表 c) 对每个城市组合和日期： 获取页面 更改城市和日期 获取数据 解码数据 检查数据 处理航班段和价格信息 合并数据并保存 依赖关系： get_page() 依赖于 init_driver() change_city() 依赖于 get_page() get_data() 依赖于 change_city() decode_data() 依赖于 get_data() check_data() 依赖于 decode_data() proc_flightSegments() 和 proc_priceList() 依赖于 check_data() mergedata() 依赖于 proc_flightSegments() 和 proc_priceList()
2. 错误处理和重试机制： 大多数方法都包含错误处理逻辑，在遇到问题时会尝试重试或刷新页面。如果多次重试失败，程序会重新从获取页面开始。 数据保存： 最终的数据以 CSV 格式保存，文件名包含日期和城市信息。 这个爬虫程序设计得相当健壮，能够处理各种可能出现的问题（如验证码、登录要求等），并且有良好的重试机制。它主要用于爬取携程网站的航班信息，包括航班详情和价格数据。

概述

Ctrip-Crawler 是一个携程航班信息的专业爬虫工具，主要基于 Selenium 框架进行实现。 request 方法访问携程 API 的方法，由于 IP 限制和 JS 逆向工程的挑战，该途径已不再适用。（报错）

携程支持IPV6访问，因此可以通过生成大量IPV6规避 IP 限制。

主要特性

Selenium 自动化框架：与直接请求 API 的方法不同，该项目基于 Selenium，提供高度可定制和交互式的浏览器模拟。

灵活的错误处理机制：针对不同类型的异常（如超时、验证码出现、未知错误等），实施相应的处理策略，包括重试和人工干预。

IP限制解决方案：利用页面特性和用户模拟，规避了 IP 限制，提高了爬取稳定性。

数据校验与解析：对获取的数据进行严格的数据质量和完整性校验，包括 gzip 解压缩和 JSON 格式解析。

版本迭代与优化：V2版本解决了验证码问题；V3版本提高了系统的稳定性和可用性；V3.5版本增加了linux系统下多IPV6网口的生成与代理

文档和教程

详细的使用指南和开发文档可在以下博客中查看：

基于selenium的携程机票爬取程序

基于selenium的携程机票爬取程序V2

基于request的携程机票爬取程序

基于request的航班历史票价爬取

TO DO

V4.0增加多线程分片运行……

贡献与反馈

如果你有更好的优化建议或发现任何 bug，请通过 Issues 或 Pull Requests 与我们交流。我们非常欢迎各种形式的贡献！