booking-hotel-photos

Booking 酒店照片抓取

从 Booking.com 批量爬取酒店照片并下载到本地。

参数提取规则

从用户对话中提取以下参数（未提及的使用默认值）：

参数	提取规则	默认值
query	城市名或酒店名（必填，用户未提供时主动询问）	—
hotels	数字 + "家" → 该数字	3
size	"大/大图/large" → large；"超大/xlarge" → xlarge；"中/medium" → medium；"缩略/thumb" → thumb	large
output	"到/保存到/下载到 + 路径" → 该路径	./booking_photos
workers	"并发 + 数字" → 该数字	3
pages	"第 N 页" 或 "翻 N 页" → 该数字	1
only_fetch	"只抓链接/只获取URL/不下载" → true	false
only_download	"只下载/用已有链接下载" → true	false
urls_file	"用/从 + 文件名" → 该文件路径	./urls.json
headless	"无界面/后台" → true	false

提取示例

• "帮我爬大阪 3 家酒店的图片" → query=大阪, hotels=3
• "下载东京 5 家酒店的大图到 ~/Pictures" → query=东京, hotels=5, size=large, output=~/Pictures
• "只抓拉斯维加斯的链接不下载" → query=拉斯维加斯, only_fetch=true
• "用已有的 urls.json 下载" → only_download=true
• "抓 10 家酒店，并发 5" → hotels=10, workers=5

执行流程

Step 0：依赖检测与安装（先检测，缺失再安装）

skill 触发后先执行检测。仅在依赖缺失时安装，避免每次重复安装。

SKILL_DIR 为 skill 所在目录（即本 SKILL.md 的上级目录）。

SKILL_DIR="<skill 目录绝对路径>"
cd "$SKILL_DIR"

# 先检测依赖
python3 -c "import playwright, requests; print('deps ok')" || \
  (python3 -m pip install -r requirements.txt && python3 -m playwright install chromium)

test -f config.json || cp config.example.json config.json

首次安装约 1–2 分钟。完成后告知用户「依赖已就绪」，再继续任务。

Step 1：构建命令

使用 src/download.py 一键执行（fetch + download）：

cd "$SKILL_DIR"
python3 src/download.py -q "<query>" --hotels <N> --size <size> -o <output> -w <workers> --headless

或分步执行：

# 只抓链接
python3 src/fetch_urls.py -q "<query>" --max-hotels <N> --image-size <size> --headless -o <urls_file>

# 只下载
python3 src/download_photos.py -i <urls_file> -o <output> -w <workers>

Step 2：执行并监控

• 单酒店约 1–2 分钟，总时长 ≈ 酒店数 × 2 分钟
• 下载并发建议 ≤ 5（脚本会自动限制到 1~5）
• 长任务设置足够超时（建议 600000ms）

Step 3：完成后汇报

必须包含：

• 搜索词、酒店数、照片总数
• 输出目录绝对路径
• urls.json 绝对路径
• 下载成功/失败数
• 若有失败，附失败数量和可能原因（网络抖动、目标链接失效等）

错误处理

情况	处理
Playwright 未安装	自动执行 python3 -m playwright install chromium
搜索页加载失败	重试 3 次，仍失败则报错并告知用户
某酒店图片获取失败	跳过该酒店，继续其余，最终汇报失败的酒店名
下载失败	每张图片自动重试 3 次（指数退避），最终汇报失败数
依赖安装失败	告知用户手动运行 pip install -r requirements.txt && playwright install chromium

约束

• 遵守 Booking.com ToS
• 下载并发 ≤ 5
• 每次请求随机延迟 1.5–3s

参考

• reference.md — 技术架构说明