使用 browser-harness 绕过携程（ctrip）反爬门：酒店列表与价格的浏览器自动化抓取实战

• 浏览器控制
• GUI 自动化
• AI Agent
• 人工智能
• MCP 服务
• AI 技能

本文基于 agent-workspace/domain-skills/ctrip/hotels.md 这份实测领域技能文档整理成文。该文档于 2026-04-29 针对hotels.ctrip.comPC 网页版（国内酒店）完成实测验证。本文以它为核心骨架，结合本仓库browser-harness的源码实现，系统讲解携程酒店价格的抓取原理、URL 参数模式、列表页/详情页 DOM 提取、登录重定向信号识别与完整可运行的 Python 示例。读完本文，你将掌握：如何用完整的"六参数"URL 模式免登录访问携程国内酒店列表页、如何从 React 渲染的 DOM 中稳定提取酒店名称/评分/价格对、如何识别并规避passport.ctrip.com登录重定向，以及如何用浏览器坐标点击绕过非<button>的搜索控件。

一、TL;DR：携程能免登录看到价格，但有一个前提

实测结论（与同为 OTA 平台的 同程 ly.com 形成鲜明对比）：

• 价格无需登录即可见——但前提是你必须通过"自然"的导航流程到达列表页，使 URL 携带完整的参数结构。对简化 URL 直接 GET 会被重定向到登录页。
• 必须使用浏览器会话。页面外壳只有 144 KB，酒店数据由 XHR 在水合（hydration）之后加载，http_get抓不到任何酒店数据（对应源码见 src/browser_harness/helpers.py 中http_get的纯 HTTP 实现——它不执行 JS）。
• 一旦进入合法列表页，价格以¥<原价> ¥<当前价> 起的形式成对渲染，没有¥?占位符，也没有"请登录"弹层。
• 详情页 URLhttps://hotels.ctrip.com/hotel/<hotelId>.html?checkin=...在未登录状态下可直接访问，并展示完整的房型/房价明细。
• 相比之下，ly.com 把每一个价格都藏在登录墙之后；携程只要尊重 URL 参数模式，对爬取要友好得多。

二、理解携程的反爬门：URL 参数模式（URL patterns）

携程的"签名式"反爬关卡是基于参数模式而非基于行为。它通过区分"真实客户端"（通过首页表单构建的 URL）和"脚本客户端"（手工输入 URL）来决定是否放行。三种 URL 形态：

列表页（规范形态，匿名友好）： https://hotels.ctrip.com/hotels/list ?flexType=1 &cityId=<n> # 2 = 上海, 1 = 北京, 等 &provinceId=0 &districtId=0 &countryId=1 # 1 = 中国（国内） &checkin=YYYY-MM-DD &checkout=YYYY-MM-DD 酒店详情页（规范形态）： https://hotels.ctrip.com/hotel/<hotelId>.html?checkin=...&checkout=... → 服务器会重写为 /hotels/detail/?... —— 两种写法都可用，数据一致 登录页（被判定可疑时重定向到这里）： https://passport.ctrip.com/user/login?backurl=<url-encoded-target>

关键结论：简化形态https://hotels.ctrip.com/hotels/list?city=2&checkin=...&checkout=...（注意是city而非cityId，且缺少provinceId/districtId/countryId/flexType）会被重定向到登录页。这就是携程区分"真实客户端"与"脚本客户端"的核心手段。

登录重定向信号与触发条件

当携程判定你的会话可疑时，会重定向到passport.ctrip.com/user/login?backurl=...。登录表单会自动预填用户 Chrome 中最近使用的手机号。看到这个 URL，不要输入任何凭据——应终止当前流程并按以下任一方式重启：

• （a）从首页表单重新走一遍流程（下文 Path B），修复 URL 参数模式不匹配的问题；
• （b）请用户交互式登录。

实测触发重定向的行为：

• 直接访问/hotels/list?city=2&...（注意：city而非cityId）；
• 会话中从未先加载过hotels.ctrip.com/首页就直接 GET。

实测不会触发重定向的行为：

• 冷启动（预设零个携程 cookie）直接访问/hotels/list?flexType=1&cityId=2&provinceId=0&districtId=0&countryId=1&...；
• 直接访问/hotel/<id>.html?...。

由此可以断定：关卡基于 URL 参数模式而非行为模式。把参数模式写对，就不需要走登录流程。

三、环境准备：browser-harness 与本地 Chrome

本仓库的browser-harness通过 CDP（Chrome DevTools Protocol）直接控制真实浏览器，适合需要交互（点击、输入、导航）、需要用户已登录会话、需要 JS 渲染、或面对反爬页面的场景。调用方式为 CLI heredoc，helpers 已预先导入，run.py在exec前会自动调用ensure_daemon()拉起守护进程（见 src/browser_harness/run.py）：

browser-harness <<'PY' print(page_info()) PY

安装与首次连接请参考 install.md；若连接失败，运行诊断：

browser-harness --doctor

本文涉及的核心 helpers 全部定义在 src/browser_harness/helpers.py：

注：wait_for_load()只能确认文档complete，对 SPA 不够；携程列表页的酒店数据由水合后的 XHR 加载，因此文档统一采用wait_for_load+time.sleep的组合等待。

四、可靠地进入列表页：两条路径

Path A —— 构建规范 URL（已知 cityId 时首选）

当你已经知道目标城市的cityId（见文末对照表），直接构建完整六参数 URL 即可：

from browser_harness.helpers import new_tab, wait_for_load import time url = ( "https://hotels.ctrip.com/hotels/list" "?flexType=1&cityId=2&provinceId=0&districtId=0&countryId=1" "&checkin=2026-04-29&checkout=2026-04-30" ) new_tab(url) wait_for_load(timeout=20) time.sleep(6) # XHR 拉取酒店列表

Path B —— 模拟首页流程（只有城市名时）

如果只有城市名（如"上海"），就驱动首页表单。这里有两个关键 DOM 事实：

1. 搜索按钮是<div>而不是<button>——与 ly.com 相同（详见 ly-com/hotels.md 中的 "search button gotcha"）。el.click()不可靠，坐标点击有效。
2. 目的地输入框通过 placeholder 特征识别（/目的地|城市|酒店/），输入城市名后按 Enter 选择第一个自动补全建议。

from browser_harness.helpers import new_tab, wait_for_load, js, click_at_xy, type_text, press_key import time new_tab("https://hotels.ctrip.com/") wait_for_load(timeout=20) time.sleep(2) # 通过 placeholder 定位目的地输入框 inp = js(""" const i = Array.from(document.querySelectorAll("input")) .find(i => i.placeholder && /目的地|城市|酒店/.test(i.placeholder)); if (!i) return null; const r = i.getBoundingClientRect(); return {x: r.x+r.width/2, y: r.y+r.height/2}; """) if not inp: raise RuntimeError("ctrip homepage: destination input not found — page DOM may have changed") click_at_xy(inp["x"], inp["y"]) time.sleep(0.4) type_text("上海") time.sleep(1.5) press_key("Enter") # 选择第一条自动补全建议 btn = js(""" const b = Array.from(document.querySelectorAll("button, div")) .find(el => (el.innerText||"").trim() === "搜索" && el.getBoundingClientRect().width > 60); if (!b) return null; const r = b.getBoundingClientRect(); return {x: r.x+r.width/2, y: r.y+r.height/2}; """) if not btn: raise RuntimeError("ctrip homepage: 搜索 button not found — page DOM may have changed") click_at_xy(btn["x"], btn["y"]) time.sleep(7) # 现在位于 /hotels/list?... 且带有完整的规范参数结构

这就是真人会走的流程，也正是让参数结构保持完整的原因。这个过程中设置的 cookie 对后续直接访问 URL 的请求也有帮助。

从源码结构看，click_at_xy通过Input.dispatchMouseEvent派发mousePressed/mouseReleased（helpers.py），是合成器级别的真实鼠标事件，因此对非标准控件（<div>按钮）也能生效。

五、列表页数据提取：从 React 卡片中抓取酒店

酒店卡片是<div class="list-item">。卡片上没有data-id，也没有<a href=...>——酒店 ID 只存在于 React 组件闭包中。要跳转详情页，要么视觉上点卡片（坐标点击），要么抓取酒店名、再用其他途径（如逐步积累的映射表）解析出 ID 后重新访问/hotel/<id>.html。

// 列表提取 —— 通过 js(...) 在浏览器内运行 return Array.from(document.querySelectorAll(".list-item")).slice(0, 30).map(card => { const text = (card.innerText || "").replace(/\s+/g, " "); const name = text.match(/^([^\s]{2,40}?(?:酒店|宾馆|公寓|民宿)(?:\([^)]*\))?)/)?.[1]; const score = text.match(/[1-5]\.\d/)?.[0]; // 先剥离 "1,234条点评" 再抓价格，否则 "1,234" 里的 ¥1 会泄漏进来 const priced = text.replace(/\d{1,3}(?:,\d{3})+/g, "").replace(/\d+条点评/g, ""); const prices = (priced.match(/¥\s*(\d{2,})/g) || []).map(s => parseInt(s.replace(/[^\d]/g, ""))); const [original, current] = prices; return {name, score, price_original: original ?? null, price_current: current ?? null}; });

陷阱（phantom price）：像1,234条点评、5,678条点评这样的点评数如果不先剥离，会匹配到¥\s*\d+——¥1、¥5会作为幽灵价格出现。必须先剥离千分位数字和\d+条点评再应用价格正则。

单张卡片的文本形状：

<name> [4.8] [超棒][1,994条点评] <tagline> 近<area> · <metro>查看地图 <room-type> 订单确认后30分钟内免费取消 ... ¥<original> ¥<current> 起 查看详情

起后缀表示"起价"；实际预订价可能因房价方案、早餐、取消政策而更高。

六、详情页：免登录查看完整房价明细

https://hotels.ctrip.com/hotel/<hotelId>.html?checkin=YYYY-MM-DD&checkout=YYYY-MM-DD

该 URL 免登录可用。服务器会将其规范化为/hotels/detail/?...，但数据完全一致。页面标题格式为：🟢 <hotelName>预订价格,联系电话位置地址【携程酒店】（🟢前缀来自browser-harness的标签页标记机制，见 helpers.py 中的_mark_tab()，并非携程内容）。

详情页渲染多个房型/房价行，形态与列表页相同的¥orig ¥current。查找文本恰为预订的<button>或<a>，再向上回溯到房价卡片（与 ly.com 的做法一致，可对照 ly-com/hotels.md 的"价格三元组"一节）。

失效酒店检测：如果访问的酒店已不存在，URL 会静默存活（返回 200），但只显示通用标题"预订价格,联系电话位置地址【携程酒店】"且没有价格——用bodyText.match(/¥\s*\d+/) === null检测即可。

七、登录重定向：检测与处理

检测代码：

if "passport.ctrip.com" in page_info()["url"]: raise RuntimeError("ctrip wants login — restart from homepage")

记住两条实测规则：

• 参数模式正确（六参数 + 冷启动）→ 不触发登录重定向；
• 参数模式不完整（city=简化形态）或未先访问首页 → 触发登录重定向。

因此核心策略是：把 URL 参数结构写对，就不需要登录流程。

八、全局状态：不要碰window

window._objAllSearchResult存在但在真实会话中是空的。携程的酒店数据存放在React 组件状态中，不在window上。请使用 DOM 提取。这里没有__NEXT_DATA__、没有__APOLLO_STATE__、也没有window.__INITIAL_STATE__。（这与 ly.com 形成对照：同程基于 Nuxt，数据在window.__NUXT__的 SSR 状态里，见 ly-com/hotels.md。）

九、陷阱清单（完整版）

• 简化 URL（?city=）会被重定向到登录页。使用规范六参数结构，或驱动首页表单。
• 首页默认标签是"海外酒店"。推荐酒店显示"暂无价格"，并预选了新加坡/普吉岛的日期。不要从首页读价格——去/hotels/list?...。
• ¥1、¥5幽灵价格：来自点评数正则泄漏。在应用¥\d+之前先剥离\d+,\d+和\d+条点评。
• 卡片上没有详情 URL。无data-id、无<a>。没有外部 ID 来源时，坐标点击是唯一可靠的跳转详情方式。
• 不存在的酒店 ID 返回 200：/hotel/{id}.html会带品牌外壳返回，无报错——通过正文中缺少价格来检测。
• 搜索按钮是<div>。与 ly.com 相同的坑——坐标点击有效，el.click()不可靠。
• hotels.ctrip.com是国内主机。首页标题写着"海外酒店预订"，但/hotels/list?countryId=1&...是国内数据。海外等价页面使用countryId≠ 1（尚未映射）。

十、已观测的 cityId 对照表

获取更多 cityId 的办法：驱动首页流程一次，然后读取规范 URL 中的参数。

十一、Quick start：一键抓取上海酒店列表

完整的端到端示例（开新标签 → 等待加载与 XHR → DOM 提取 → 打印 JSON → 关闭标签）：

from browser_harness.helpers import new_tab, wait_for_load, js, cdp import time, json url = ( "https://hotels.ctrip.com/hotels/list" "?flexType=1&cityId=2&provinceId=0&districtId=0&countryId=1" "&checkin=2026-04-29&checkout=2026-04-30" ) tid = new_tab(url) wait_for_load(timeout=20) time.sleep(6) hotels = js(""" return Array.from(document.querySelectorAll(".list-item")).slice(0, 20).map(card => { const raw = (card.innerText || "").replace(/\\s+/g, " "); const cleaned = raw.replace(/\\d{1,3}(?:,\\d{3})+/g, "").replace(/\\d+条点评/g, ""); const name = raw.match(/^([^\\s]{2,40}?(?:酒店|宾馆|公寓|民宿)(?:\\([^)]*\\))?)/)?.[1] || null; const prices = (cleaned.match(/¥\\s*\\d{2,}/g) || []) .map(s => parseInt(s.replace(/[^\\d]/g, ""))); const score = raw.match(/[1-5]\\.\\d/)?.[0] || null; return {name, score, price_original: prices[0] ?? null, price_current: prices[1] ?? null}; }); """) print(json.dumps(hotels, indent=2, ensure_ascii=False)) cdp("Target.closeTarget", targetId=tid)

运行方式（heredoc 或直接保存为脚本后通过 CLI 执行均可）。Target.closeTarget对应 helpers.py 中close_tab的底层实现，用于清理本次任务创建的标签页。

十二、延伸阅读

• 领域技能原始文档：agent-workspace/domain-skills/ctrip/hotels.md
• 同城 OTA 对比：agent-workspace/domain-skills/ly-com/hotels.md
• 核心 helpers 源码：src/browser_harness/helpers.py
• CLI 入口与 daemon 引导：src/browser_harness/run.py
• 安装与连接：install.md；技能总览：SKILL.md
• 标签页管理规范：interaction-skills/tabs.md；连接与标签可见性：interaction-skills/connection.md

• 浏览器控制
• GUI 自动化
• AI Agent
• 人工智能
• MCP 服务
• AI 技能