Temos noventa linhas de três execuções bem-sucedidas sobre uma cidade, e o achado mais importante não é sobre hotéis. Três das dezesseis colunas apareceram ou sumiram conforme a apresentação que o site serviu naquele dia - a moeda, a unidade de distância, a linha de impostos e o campo de estrelas se moveram todos juntos. Leia isto antes de comparar duas exportações.
Este é o achado em torno do qual se planeja. Duas das nossas execuções voltaram com preços em uma moeda e distâncias em milhas; a terceira voltou em outra moeda com distâncias em quilômetros. Até aí é cosmético. O que não é cosmético é que três colunas se moveram junto: a execução na segunda moeda trazia uma linha de impostos em todas as linhas, sem exceção, e um campo de estrelas em quase todas, e não trazia nenhum preço anterior. As duas execuções na primeira moeda eram o espelho exato: um preço anterior em algumas linhas e nenhuma linha de impostos nem campo de estrelas em lugar algum. Mesmo site, mesma cidade.
Em noventa linhas o campo assumiu seis valores e nenhum outro: vazio em mais da metade e, no resto, 4, 8, 12, 16 ou 20 - sempre um múltiplo de quatro, nunca 1, 2, 3 ou 5. Os dois estabelecimentos com o valor mais alto são os dois hotéis de luxo do conjunto; os que trazem o mais baixo são hotéis econômicos. Então a coluna é compatível com quatro vezes uma avaliação de um a cinco. Não vamos afirmar isso como fato, porque não conseguimos conferir contra o anúncio ao vivo - veja a nota sobre acesso abaixo.
Toda linha traz um preço e nenhuma traz uma data. A entrada e a saída às quais o preço se aplica vivem dentro do link, na sua string de consulta, e nas nossas execuções caíam cerca de duas semanas depois da própria execução. Então uma coluna de preço comparada entre duas exportações está comparando duas noites diferentes, a menos que você tire as datas da URL antes. A coluna de ocupação também não ajuda: ela dizia a mesma coisa nas noventa linhas, porque é o padrão da busca e não algo do hotel.
Rodamos a consulta idêntica com quatro dias de diferença e os dois conjuntos de resultados não compartilharam nenhuma página de hotel. Uma terceira execução compartilhou quatro. É o que se espera de uma página que ordena disponibilidade para uma noite específica em vez de listar os hotéis de uma cidade - mas significa que esta exportação é um retrato momentâneo, não um registro. Não monte com ela uma lista estável de hotéis; monte uma série temporal e use como chave o endereço da página do hotel com os parâmetros de rastreamento removidos.
Duas das nossas cinco execuções não devolveram absolutamente nada - um arquivo vazio, sem linhas, sem explicação. Todo serviço de catálogo que rodamos escreve um indicador por linha que registra um bloqueio ou uma entrada recusada; este não tem essa coluna, então quando uma execução volta vazia não há onde uma razão possa morar. Planeje para isso: confira a contagem de linhas você mesmo e trate o zero como algo a repetir, não como resposta.
A maioria das colunas usa uma cadeia vazia quando não há nada a relatar. Duas - a linha de impostos e o rótulo de promoção - usam no lugar um null de JSON, e nunca uma cadeia vazia. Um carregador que teste apenas uma das duas vai tratar a outra errado em silêncio, e são justamente os campos pelos quais você filtraria para achar quartos com desconto. É uma coisa pequena que custa uma tarde se você esbarrar nela tarde.
Lidas de uma exportação real, na ordem da planilha, com contagens de preenchimento medidas sobre as noventa linhas que temos. Onde uma coluna é descrita como às vezes ausente, a nota diz do que isso depende - porque neste serviço costuma ser da execução e não do hotel.
rating: a nota mais baixa dos nossos dados se apoia em três resenhas.taxes, um valor ausente é um null de JSON e não uma cadeia vazia.Dezesseis colunas por linha · CSV, JSON ou Excel
Dois fatos estruturais pairam sobre cada nota de coluna aqui. O primeiro é que esta exportação não tem coluna de status. Todo outro serviço que rodamos escreve um indicador por linha registrando se a busca teve sucesso, foi recusada ou recebeu o tipo errado de entrada - e é assim que duas das nossas cinco execuções teriam se explicado. Elas devolveram zero linhas e mais nada, então o arquivo não consegue dizer se a busca estava vazia, se a página não carregou, ou algo no meio. Confira a contagem de linhas no seu próprio processo e trate um zero como uma nova tentativa. O segundo é que três colunas dependem da apresentação e não da propriedade. A execução servida na segunda moeda trazia uma linha de impostos em todas as linhas e um valor de estrelas em quase todas, e não trazia preço anterior algum; as duas execuções servidas na primeira moeda eram o espelho exato. A unidade de distância virou junto. Isso significa que uma comparação ingênua de duas exportações vai relatar que hotéis ganharam e perderam atributos quando nada neles mudou - então registre em que moeda cada execução voltou e compare o comparável. O resto é comum: nove colunas chegaram nas noventa linhas, a nota e a sua contagem de resenhas em todas menos uma, e os campos restantes são genuinamente opcionais do jeito que se esperaria.
Rode o mesmo destino de forma agendada, tire a data de entrada do link, e você tem uma série de diárias por noite em vez de por execução. Use como chave a página da propriedade com os parâmetros de rastreamento removidos e registre a moeda ao lado - esse par é o que torna duas execuções comparáveis.
O preço anterior e o rótulo de promoção dizem juntos quais anúncios estão cortando diárias e quais estão em campanha nomeada. Os dois são opcionais, e uma das nossas linhas estava com desconto sem trazer rótulo - então calcule a diferença a partir das duas colunas de preço em vez de confiar só no rótulo.
Noventa linhas sobre uma cidade nos deram notas do início da escala até a metade dos noves e contagens de resenhas de uma única até vários milhares. É o suficiente para descrever o formato de um mercado - desde que você lembre que está descrevendo os anúncios disponíveis para uma noite, e não o parque hoteleiro da cidade.
Cada linha nomeia o quarto específico a que o preço se refere, então uma comparação entre duas propriedades é na verdade uma comparação entre dois tipos de quarto. Normalize essa coluna primeiro - alguns valores trazem um rótulo de camas solto - e a tabela resultante fica bem mais honesta do que uma lista simples de preço por hotel.
Uma única vez, no cadastro. Sem cartão e sem nada para cancelar depois.
Cobrado pelas linhas realmente devolvidas. Uma URL de busca produziu quarenta e poucas linhas em duas das nossas execuções e nenhuma em outras duas, então o custo de um trabalho segue o que volta e não quantas buscas você enfileirou.
O saldo não expira num ciclo mensal, então um agendamento semanal que de vez em quando volta vazio não escoa nada em silêncio.
LIVESCRAPER10 no checkout.A mesma pergunta feita a outro marketplace - resultados de busca de hospedagem como conjunto de dados, com as suas próprias ressalvas sobre o que uma página de busca pode e não pode dizer.
Onde a exportação de busca dá uma nota e uma contagem, esta dá as resenhas por trás delas - o segundo passo natural quando já existe uma lista curta.
Uma segunda opinião sobre as mesmas propriedades vinda de outro público - útil quando a nota de um anúncio numa plataforma e a sua reputação em outra não batem.
Uma imagem datada da página de resultados ao lado das linhas, o que importa aqui mais do que o normal - a mesma busca devolve hotéis diferentes de uma semana para outra.
Diárias, notas e nomes de quarto numa página pública de resultados são fatos comerciais corriqueiros. O que merece cuidado aqui é a camada à frente do site, e o fato de que nós mesmos não conseguimos passar por ela.
Uma diária, o nome de uma propriedade e um tipo de quarto são fatos sobre hospedagem posta à venda, lidos de uma página servida a qualquer visitante. Nada nas dezesseis colunas descreve um hóspede: nem nome, nem e-mail, nem telefone, nem número de reserva. As contagens de resenhas e as notas são agregados que o site publica no próprio anúncio, e não resenhas individuais ligadas a pessoas - então as questões de proteção de dados que moldam os nossos serviços de dados pessoais ficam de fora desta. O que a exportação traz, sim, é um link enfeitado com um identificador de afiliado e um token de sessão, que vale remover antes de guardar linhas em qualquer lugar compartilhado.
A preferência declarada do site é permissiva nos caminhos que este serviço usa. O seu robots.txt respondeu a um pedido comum com HTTP 200 em 12 de agosto de 2026, e lido com um comparador de grupos correto o grupo geral traz setenta e uma regras e nenhuma exclusão geral; tanto o caminho de resultados de busca quanto as páginas de propriedade para as quais as nossas linhas apontam estão permitidos. As exclusões gerais desse arquivo pertencem a um punhado de rastreadores nomeados especificamente, não aos comuns. O tempo de execução é outra história, e preferimos ser diretos a insinuar que entramos: um pedido comum nosso por uma página de propriedade e pelo caminho de busca voltou nos dois casos com uma página intermediária em vez de conteúdo, então não conseguimos corroborar nenhuma linha contra o anúncio ao vivo. Tudo nesta página vem, portanto, da própria exportação. O nosso catálogo registra que este serviço precisa de um proxy residencial pago, e nomeia um fornecedor de proteção diferente daquele que a nossa sondagem encontrou. Relatamos os dois e não escolhemos nenhum.
Nossos próprios termos são os mesmos de qualquer outro serviço daqui. Só páginas de acesso público, nada atrás de um login, nenhum rastreador de terceiros na camada de dados, e as exportações são apagadas automaticamente em 30 dias. Suas primeiras 500 linhas são grátis e não pedem cartão de crédito.
Hotel, nota, quantidade de resenhas, localização, tipo de quarto, preço e um link - uma linha por resultado de busca. Leia a nota sobre como as colunas mudam com a apresentação antes de comparar duas exportações. Suas primeiras 500 linhas são grátis, depois US$ 0,002 cada.
A Booking.com é um dos maiores marketplaces de hospedagem do mundo, e este serviço transforma uma das suas páginas de resultados de busca numa tabela: uma linha por anúncio, dezesseis colunas, cobrindo o nome da propriedade, a sua nota de hóspedes e a contagem de resenhas, o bairro, a distância do centro, o quarto específico a que a cotação se refere, a diária, qualquer preço anterior riscado, qualquer linha de impostos, qualquer rótulo promocional, um link e uma miniatura. Temos cinco execuções sobre uma única cidade, três das quais devolveram linhas - cinco, quarenta e três e quarenta e duas - e duas que não devolveram nada. Noventa linhas são uma base razoável para descrever como é a exportação, e é de onde cada número desta página é medido.
A coisa mais útil que encontramos não é sobre hotéis. Duas das nossas execuções voltaram com diárias em uma moeda e distâncias em milhas; a terceira voltou em outra moeda com distâncias em quilômetros. Até aí é cosmético. O que não é cosmético é que três colunas se moveram com a apresentação: a execução na segunda moeda trazia uma linha de impostos em cada uma das suas linhas e um valor de estrelas em quase todas, e não trazia preço anterior em lugar nenhum, enquanto as duas execuções na primeira moeda eram o espelho exato - um preço anterior em algumas linhas e nenhum campo de impostos ou de estrelas. Nada mudou nas propriedades entre aquelas execuções. Se você comparar duas exportações sem registrar em que apresentação cada uma voltou, a comparação vai dizer que hotéis ganharam e perderam atributos, e vai estar errada.
Mais dois pontos estruturais valem ser conhecidos antes de escrever um carregador. O primeiro é a coluna de estrelas, que não traz um número de estrelas: nas noventa linhas ela assumiu apenas os valores quatro, oito, doze, dezesseis e vinte, ou nada - nunca um, dois, três ou cinco. As propriedades com o valor mais alto são os hotéis de luxo do conjunto e as com o mais baixo são econômicas, então o campo é compatível com quatro vezes uma avaliação convencional de um a cinco. Paramos antes de afirmar isso como fato, por um motivo dado abaixo. O segundo é que o preço não tem data anexada. Toda linha traz uma diária e nenhuma traz uma noite; a entrada e a saída às quais a diária se aplica ficam na string de consulta do link e em nenhum outro lugar, e a coluna de ocupação é idêntica nas noventa linhas porque reflete o padrão da busca e não o anúncio. Dois preços comparados sem extrair antes essas datas são duas noites diferentes.
Há também um limite nesta página que preferimos declarar a disfarçar. Em 12 de agosto de 2026 o robots.txt do site respondeu a um pedido comum e é permissivo nos caminhos que este serviço usa - setenta e uma regras no grupo geral, nenhuma exclusão geral, e tanto o caminho de busca quanto as páginas de propriedade permitidos. Mas um pedido comum por conteúdo de verdade, tanto numa página de propriedade quanto no caminho de busca, voltou como uma página intermediária e não como uma página. Então, ao contrário da maioria das nossas páginas de catálogo, nenhuma linha aqui foi corroborada contra o anúncio ao vivo; tudo é medido a partir da exportação. O nosso próprio catálogo de serviços registra que este scraper precisa de um proxy residencial pago e nomeia um fornecedor de proteção para o site, enquanto a nossa própria sondagem encontrou outro - dois nomes para a mesma camada, e relatamos os dois sem escolher nenhum. Por fim, trate cada exportação como um retrato momentâneo e não como um registro: rodamos a consulta idêntica com quatro dias de diferença e os dois conjuntos de resultados não compartilharam nenhuma página de propriedade, que é o que uma página que ordena disponibilidade para uma noite faz. Só páginas de acesso público, nenhum rastreador de terceiros na camada de dados, exportações apagadas automaticamente em 30 dias, e as suas primeiras 500 linhas grátis, sem cartão de crédito.