如何使用 TalorData 抓取 Google 酒店评论搜索结果

Hotel search data 很适合用来理解酒店在 Google Hotels 中如何展示：排名、价格、评分、评论数、地点、设施、可订状态和 booking options。

对旅游平台、SEO 团队、酒店集团、OTA 和市场研究团队来说，这些数据可以回答：

问题是，Google Hotels 不是简单的静态页面。结果会因 location、check-in date、check-out date、guest count、language、device 和 availability 变化。手动复制数据，很快就会失控。

Google Hotels API workflow 可以把这些数据变成结构化 JSON。

TalorData 的 Google Hotels API 可用于采集 structured hotel search results，包括 hotel names、prices、ratings、reviews、locations、amenities、availability、booking options 和 ranking positions。TalorData Google Hotels 页面也展示了 q、location、google_domain、check_in_date、check_out_date、adults、no_cache 等主要请求参数。

这里的 “hotel review search results” 是什么？

这篇指南中的 hotel review search results，不是指抓取每个 booking website 上的完整评论文字。

更常见的做法，是采集 Google Hotels 搜索结果中可见的 review-related signals，例如：

TalorData 的 Google Hotels data 页面列出 rating、review count、review score、guest rating 和 visible review signals 等 rating & review data，也包含 price、location、amenities、availability 和 booking options。

对多数 SEO 和 travel intelligence workflow 来说，这些可见 review signals 已经足以做 reputation monitoring 和竞品比较。

使用场景

TalorData 也将 hotel price monitoring、travel competitor analysis、destination market research、booking channel monitoring、reputation tracking 和 regional price comparison 作为 Google Hotels data 的常见 workflow。

核心 Google Hotels 参数

先从定义搜索上下文的参数开始。

Hotel search 没有日期，数据价值会很低。价格和可订状态都高度依赖入住与离店日期，所以 check_in_date 和 check_out_date 应该被当成核心输入。

基本请求结构

实际 endpoint 和 authentication format，请以你的 TalorData dashboard 或 API docs 为准。

典型 JSON request：

{
  "engine": "google_hotels",
  "q": "hotels in Tokyo",
  "location": "Tokyo, Japan",
  "google_domain": "google.com",
  "check_in_date": "2026-07-15",
  "check_out_date": "2026-07-18",
  "adults": 2,
  "no_cache": true
}

Response 会返回可以解析成表格、dashboard、alerts 或 AI workflows 的 structured hotel search data。

Step 1：设置 API key

将 TalorData API key 和 endpoint 存成环境变量。

export TALORDATA_API_KEY="your_api_key_here"
export TALORDATA_SERP_ENDPOINT="your_talordata_serp_endpoint_here"

Windows PowerShell：

setx TALORDATA_API_KEY "your_api_key_here"
setx TALORDATA_SERP_ENDPOINT "your_talordata_serp_endpoint_here"

安装 Python dependencies：

pip install requests pandas

Step 2：建立可复用 Python client

这个 function 会发送 Google Hotels request 并返回 JSON。

如果你的 TalorData dashboard 使用不同 request style，请调整 endpoint、request body 或 headers。

import os
import requests
from typing import Any, Dict, Optional


TALORDATA_API_KEY = os.getenv("TALORDATA_API_KEY")
TALORDATA_SERP_ENDPOINT = os.getenv("TALORDATA_SERP_ENDPOINT")


def fetch_google_hotels(
    query: str,
    location: str,
    check_in_date: str,
    check_out_date: str,
    adults: int = 2,
    google_domain: str = "google.com",
    no_cache: bool = True,
    extra_params: Optional[Dict[str, Any]] = None
) -> Dict[str, Any]:
    """
    Fetch Google Hotels search results with TalorData SERP API.
    """
    if not TALORDATA_API_KEY:
        raise RuntimeError("Missing TALORDATA_API_KEY environment variable.")

    if not TALORDATA_SERP_ENDPOINT:
        raise RuntimeError("Missing TALORDATA_SERP_ENDPOINT environment variable.")

    payload: Dict[str, Any] = {
        "engine": "google_hotels",
        "q": query,
        "location": location,
        "google_domain": google_domain,
        "check_in_date": check_in_date,
        "check_out_date": check_out_date,
        "adults": adults,
        "no_cache": no_cache
    }

    if extra_params:
        payload.update(extra_params)

    headers = {
        "Authorization": f"Bearer {TALORDATA_API_KEY}",
        "Content-Type": "application/json"
    }

    response = requests.post(
        TALORDATA_SERP_ENDPOINT,
        json=payload,
        headers=headers,
        timeout=30
    )

    response.raise_for_status()
    return response.json()

执行基本搜索：

if __name__ == "__main__":
    data = fetch_google_hotels(
        query="hotels in Tokyo",
        location="Tokyo, Japan",
        check_in_date="2026-07-15",
        check_out_date="2026-07-18",
        adults=2
    )

    print(data)

Step 3：检查 raw response

写 parser 前，先检查 raw JSON。

import json

print(json.dumps(data, indent=2, ensure_ascii=False)[:5000])

这很重要，因为 response fields 可能会因 result type、destination、availability 和返回数据不同而变。

可以找这类 array：

hotel_results
properties
hotels
organic_results
results

不要过早猜字段。先看 JSON 洞穴墙上的纹路，再画地图。

Step 4：解析 hotel results

下面是一个较保守的 parser，会检查几个常见结果容器。

from typing import Any, Dict, List


def get_first_available_list(data: Dict[str, Any], keys: List[str]) -> List[Dict[str, Any]]:
    for key in keys:
        value = data.get(key)
        if isinstance(value, list):
            return value

    return []


def parse_hotel_results(data: Dict[str, Any]) -> List[Dict[str, Any]]:
    hotel_items = get_first_available_list(
        data,
        keys=[
            "hotel_results",
            "properties",
            "hotels",
            "organic_results",
            "results"
        ]
    )

    parsed = []

    for index, item in enumerate(hotel_items, start=1):
        parsed.append({
            "position": item.get("position", index),
            "hotel_name": item.get("name") or item.get("title"),
            "hotel_id": item.get("hotel_id") or item.get("property_token") or item.get("id"),
            "link": item.get("link") or item.get("hotel_link"),
            "thumbnail": item.get("thumbnail"),
            "rating": item.get("rating"),
            "review_count": item.get("review_count") or item.get("reviews"),
            "review_score": item.get("review_score"),
            "guest_rating": item.get("guest_rating"),
            "price": item.get("price"),
            "extracted_price": item.get("extracted_price"),
            "currency": item.get("currency"),
            "address": item.get("address"),
            "latitude": item.get("latitude"),
            "longitude": item.get("longitude"),
            "hotel_class": item.get("hotel_class"),
            "amenities": item.get("amenities"),
        })

    return parsed

使用方式：

data = fetch_google_hotels(
    query="hotels in Tokyo",
    location="Tokyo, Japan",
    check_in_date="2026-07-15",
    check_out_date="2026-07-18",
    adults=2
)

hotels = parse_hotel_results(data)

for hotel in hotels[:5]:
    print(hotel["position"], hotel["hotel_name"], hotel["rating"], hotel["review_count"])

Step 5：提取 review signals

如果重点是酒店评价监控，可以整理成更小的表。

def parse_hotel_review_signals(data: Dict[str, Any]) -> List[Dict[str, Any]]:
    hotels = parse_hotel_results(data)
    rows = []

    for hotel in hotels:
        rows.append({
            "position": hotel.get("position"),
            "hotel_name": hotel.get("hotel_name"),
            "rating": hotel.get("rating"),
            "review_count": hotel.get("review_count"),
            "review_score": hotel.get("review_score"),
            "guest_rating": hotel.get("guest_rating"),
            "price": hotel.get("price"),
            "currency": hotel.get("currency"),
            "address": hotel.get("address"),
            "link": hotel.get("link")
        })

    return rows

这张表适合看：

Step 6：保存成 CSV

import pandas as pd


data = fetch_google_hotels(
    query="hotels in Tokyo",
    location="Tokyo, Japan",
    check_in_date="2026-07-15",
    check_out_date="2026-07-18",
    adults=2
)

review_rows = parse_hotel_review_signals(data)

df = pd.DataFrame(review_rows)
df.to_csv("google_hotel_review_signals.csv", index=False)

print(df.head())

CSV 可能长这样：

Step 7：按 rating 和 review count 比较酒店

Review count 和 rating 应该一起看。

4.8 分但只有 12 条评论，和 4.6 分但有 3,000 条评论，不是一回事。

df["rating_num"] = pd.to_numeric(df["rating"], errors="coerce")
df["review_count_num"] = pd.to_numeric(df["review_count"], errors="coerce")

top_reviewed = df.sort_values(
    by=["review_count_num", "rating_num"],
    ascending=[False, False]
)

top_reviewed.to_csv("top_reviewed_hotels.csv", index=False)

print(top_reviewed[[
    "position",
    "hotel_name",
    "rating",
    "review_count",
    "price"
]].head(10))

常见分组：

Step 8：追踪 hotel review signals 变化

抓一次有用，但定期抓更有价值。

每次保存 search context：

为每列加上 metadata：

from datetime import datetime, timezone


def add_search_context(
    rows: List[Dict[str, Any]],
    query: str,
    location: str,
    check_in_date: str,
    check_out_date: str,
    adults: int
) -> List[Dict[str, Any]]:
    collected_at = datetime.now(timezone.utc).isoformat()

    for row in rows:
        row["query"] = query
        row["location"] = location
        row["check_in_date"] = check_in_date
        row["check_out_date"] = check_out_date
        row["adults"] = adults
        row["collected_at"] = collected_at

    return rows

使用：

query = "hotels in Tokyo"
location = "Tokyo, Japan"
check_in_date = "2026-07-15"
check_out_date = "2026-07-18"
adults = 2

data = fetch_google_hotels(
    query=query,
    location=location,
    check_in_date=check_in_date,
    check_out_date=check_out_date,
    adults=adults
)

rows = parse_hotel_review_signals(data)
rows = add_search_context(
    rows,
    query=query,
    location=location,
    check_in_date=check_in_date,
    check_out_date=check_out_date,
    adults=adults
)

pd.DataFrame(rows).to_csv("hotel_review_snapshot.csv", index=False)

可以比较：

Step 9：监控多个目的地

同一套 workflow 可以用于多个城市。

destinations = [
    {"query": "hotels in Tokyo", "location": "Tokyo, Japan"},
    {"query": "hotels in Seoul", "location": "Seoul, South Korea"},
    {"query": "hotels in Singapore", "location": "Singapore"},
]

all_rows = []

for destination in destinations:
    data = fetch_google_hotels(
        query=destination["query"],
        location=destination["location"],
        check_in_date="2026-07-15",
        check_out_date="2026-07-18",
        adults=2
    )

    rows = parse_hotel_review_signals(data)
    rows = add_search_context(
        rows,
        query=destination["query"],
        location=destination["location"],
        check_in_date="2026-07-15",
        check_out_date="2026-07-18",
        adults=2
    )

    all_rows.extend(rows)

pd.DataFrame(all_rows).to_csv("multi_destination_hotel_reviews.csv", index=False)

适合：

Step 10：处理错误与重试

Travel data 会受日期、可订状态和 query context 影响。正式使用时应加入 retry logic。

import time
from requests import RequestException


def fetch_with_retries(
    query: str,
    location: str,
    check_in_date: str,
    check_out_date: str,
    adults: int = 2,
    retries: int = 3,
    delay_seconds: int = 2
) -> Dict[str, Any]:
    last_error = None

    for attempt in range(1, retries + 1):
        try:
            return fetch_google_hotels(
                query=query,
                location=location,
                check_in_date=check_in_date,
                check_out_date=check_out_date,
                adults=adults
            )
        except RequestException as error:
            last_error = error
            print(f"Attempt {attempt} failed: {error}")
            time.sleep(delay_seconds)

    raise RuntimeError(f"Failed after {retries} attempts: {last_error}")

正式环境也建议记录：

建议保存哪些字段？

Hotel review search monitoring 可以先用这个 schema：

{
  "query": "hotels in Tokyo",
  "location": "Tokyo, Japan",
  "check_in_date": "2026-07-15",
  "check_out_date": "2026-07-18",
  "adults": 2,
  "collected_at": "2026-06-30T09:00:00Z",
  "hotel": {
    "position": 1,
    "hotel_name": "Example Hotel Tokyo",
    "hotel_id": "example_hotel_id",
    "rating": 4.6,
    "review_count": 1820,
    "review_score": 9.1,
    "guest_rating": "Excellent",
    "price": "$210",
    "currency": "USD",
    "address": "Example address, Tokyo",
    "latitude": 35.6762,
    "longitude": 139.6503,
    "amenities": ["Free Wi-Fi", "Breakfast"],
    "link": "https://..."
  }
}

进阶 workflow 可以加：

TalorData 列出的 price fields 包括 price、extracted price、currency、nightly rate、total price、taxes 和 fees，也列出 provider、booking link、offer price、booking source、hotel website 和 deal details 等 booking option fields。

常见错误

没有设置 check-in 和 check-out dates

Hotel search data 高度依赖日期。一定要控制并保存日期。

比较不同 guest count

一位成人和两位成人的搜索，价格与可订状态都可能不同。

只看 rating

Rating 没有 review count，容易误判。两者要一起追踪。

忽略 position

酒店评分高但可见度低，仍然可能输给排名更靠前的竞品。

不保存 raw responses

建立 parser 时，请保存 raw JSON。不同目的地或结果类型可能字段不同。

忘记 localization

Hotel results 可能因 market、language、domain 和 search location 变化。请保存完整 search context。

结语

使用 TalorData 抓取 Google Hotel review search results，本质上是把 Google Hotels 变成结构化监控流程。开始免费测试Google Hotel API

先从核心 request fields 开始：

接着解析真正重要的字段：hotel name、position、rating、review count、price、address、amenities、availability 和 booking options。

数据变成 JSON 或 CSV 后，就可以支撑 reputation tracking、hotel price monitoring、OTA analysis、destination research、AI travel tools 和 local SEO dashboards。

Google Hotels data 像一个拥挤大厅；好的 API workflow 会把它整理成干净的住客名单。