更新时间：
2024年12月

详细字段说明：
‘sight_id’(景点ID), ‘sight_name’(景点名称), ‘sight_en_name’(景点英文名称), ‘short_features’(景点亮点), ‘city’(城市), ‘district’(区县), ‘district_en_name’(区县英文名), ‘address’(地址), ‘open_time’(开放时间), ‘phone’(官方电话), ‘tags’(标签), ‘photos’(景点图片), ‘comment_score’(评分), ‘comment_count’(评论数), ‘comment_count_info’(评论统计信息), ‘grade’(景点级别), ‘introdcution’(景点介绍), ‘Special_tips’(必看贴士), ‘ampa_lat’(高德地图_坐标纬度), ‘amap_lng’(高德地图_坐标经度), ‘google_lat’(谷歌地图_坐标纬度), ‘google_lng’(谷歌地图_坐标经度), ‘baidu_lat’(百度地图_坐标纬度), ‘baidu_lng’(百度地图_坐标经度), ‘parent_sight_id’(父景点ID), ‘child_sight_id’(子景点ID), ‘nearyby_sight’(附近景点), ‘nearyby_restaurant’(附近美食), ‘nearyby_hotel’(附近酒店), ‘inChina’(是否中国景点), ‘isOverseas’(是否海外景点), ‘url’(景点详情页url)

示例数据：
点击查看在线示例数据

数据格式：
CSV（最通用的数据交换格式）

字符编码：
UTF-8。

更新时间：
2022年09月30日。

详细字段说明：
“sight_id” – 景点ID
“sight_name” – 景点名称
“sight_en_name” – 景点英文名称
“alias” – 景点别名
“feature” – 景点特色
“short_features” – 景点亮点
“city” – 城市
“district” – 区县
“district_en_name” – 区县英文名
“address” – 地址
“open_time” – 开放时间
“phone” – 官方电话
“tags” – 标签
“photos” – 景点图片链接
“comment_score” – 评分
“comment_count” – 评论数
“comment_count_info” – 评论统计信息
“grade” – 景点级别
“introdcution” – 景点介绍
“Special_tips” – 必看贴士
“ampa_lat” – 高德地图_坐标纬度
“amap_lng” – 高德地图_坐标经度
“google_lat” – 谷歌地图_坐标纬度
“google_lng” – 谷歌地图_坐标经度
“baidu_lat” – 百度地图_坐标纬度
“baidu_lng” – 百度地图_坐标经度
“parent_sight_id” – 父景点ID
“child_sight_id” – 子景点ID
“nearyby_sight” – 附近景点
“nearyby_restaurant” – 附近美食
“nearyby_hotel” – 附近酒店
“inChina” – 是否中国景点
“isOverseas” – 是否海外景点
“url” – 景点详情页url

示例数据：
点击查看在线示例数据

数据格式：
CSV（最通用的数据交换格式）

字符编码：
UTF-8。

更新时间：
2019年4月。

详细字段说明：
“省份”,”城市”,”标题”,”内容”,”发布时间”,”detail_url” （数据里的发布时间从2014年7月下旬到2019年3月底）

示例数据：
点击查看在线示例数据

数据格式：
CSV（最通用的数据交换格式）

字符编码：
UTF-8。

更新时间：
2019年4月。

详细字段说明：
（1）餐厅数据字段
‘shop_id’(餐厅id), ‘shop_name’(餐厅名称), ‘city’(城市), ‘saled_month’(月销量), ‘average_delivery_time’(平均送达时间), ‘takeout_price’(起送价), ‘takeout_cost’(配送费), ‘overall_score’(总体评分), ‘work_time’(工作时间), ‘address’(地址), ‘shop_lng’(经度), ‘shop_lat’(纬度), ‘scrape_url’(店铺页面链接)
（2）菜品数据字段
‘shop_id’(餐厅id), ‘food_id’(菜品id), ‘food_name’(菜品名称), ‘category_title’(菜品分类), ‘current_price’(现价), ‘original_price’(原价), ‘recommended_number’(推荐数), ‘monthly_saled’(月销量), ‘photo’(图片), ‘scrape_url’(分类商品列表页url)

示例数据：
（1）餐厅示例数据
点击查看在线示例数据
（2）菜品示例数据
点击查看在线示例数据

数据格式：
CSV（最通用的数据交换格式）

字符编码：
UTF-8。

更新时间：
2019年2月。

详细字段说明：
（1）店铺数据字段
‘shop_id’(店铺id), ‘shop_name’(店铺名称), ‘city’(城市), ‘saled_month’(月销量), ‘average_delivery_time’(平均送达时间), ‘takeout_price’(起送价), ‘takeout_cost’(配送费), ‘overall_score’(总体评分), ‘work_time’(营业时间), ‘address’(地址), ‘shop_lng’(经度), ‘shop_lat’(纬度), ‘scrape_url’(店铺页面链接)
（2）商品数据字段
‘shop_id’(店铺id), ‘goods_id’(商品id), ‘upc’(商品upc编码), ‘goods_name’(商品名称), ‘category_title’(商品分类), ‘current_price’(现价), ‘origin_price’(原价), ‘monthly_saled’(月销量), ‘photos’(商品图片), ‘scrape_url’(分类商品列表页url)

示例数据：
（1）店铺示例数据
点击查看在线示例数据
（2）商品示例数据
点击查看在线示例数据

数据格式：
CSV（最通用的数据交换格式）

字符编码：
UTF-8。

另有，2018年9月根据293个国内城市进行搜索，补充收集到的对应城市下的携程网国内景点数据，共86276个景点。

更新时间：
2018年7月份。

详细字段说明：
‘sight_id’(景点ID), ‘sight_name’(景点名称), ‘sight_en_name’(景点英文名称), ‘navigation_bar’(导航栏信息), ‘city’(城市), ‘photos’(图片), ‘score’(评分), ‘comment_num’(点评数), ‘grade’(景点等级), ‘address’(地址), ‘phone’(电话), ‘website’(网站), ‘opening_hours’(开放时间), ‘bright_spot’(亮点), ‘description’(简介), ‘Special_tips’(特别提示), ‘traffic’(交通指南), ‘lat’(纬度), ‘lng’(经度), ‘parent_sight_id’(父景点ID), ‘child_sight_id’(子景点ID), ‘url’(景点详情页链接)

说明：
（1）关于’photos’(图片)字段，数据中收集是小图的原始链接；不过，将图片链接中文件扩展名前的”_C_350_230″部分去掉，就是大图的链接了。
（2）字段 ‘parent_sight_id’(父景点ID) 和 ‘child_sight_id’(子景点ID)，可表明相关景点的父子关系。
（3）携程网所用的地图是高德地图，所以数据中的经度、纬度数据也是高德地图的坐标数据。【注：高德地图使用的是GCJ－02坐标系，又名“火星坐标系”。】

示例数据：
点击查看国内景点在线示例数据
点击查看国外景点在线示例数据

数据格式：
CSV（最通用的数据交换格式）

字符编码：
UTF-8。

更新时间：
2018年8月份。

详细字段说明：
‘hotel_id’（酒店ID）, ‘hotel_name’（酒店中文名称）, ‘hotel_en_name’（酒店英文名称）, ‘city’（酒店所在城市）, ‘comment_hotel_level’（酒店评级）, ‘comment_score’（酒店评分）, ‘comment_item_score’（酒店分项评分）, ‘comment_recommend’（推荐度）, ‘user_impress’（住客印象）, ‘comment_total’（点评总数）, ‘recomment_num’（值得推荐数）, ‘no_recoment_num’（有待改善数）, ‘user_name’（评论用户名）, ‘user_comment_score’（用户评分）, ‘check_in_type’（入住类型）, ‘check_in_date’（入住日期）, ‘room_name’（房间类型）, ‘comment_txt’（评价内容）, ‘comment_time’（评价时间）, ‘scrape_url’（酒店详情页url）

示例数据：
点击查看在线示例数据

数据格式：
CSV（最通用的数据交换格式）

字符编码：
UTF-8。

◆ 城市：本次数据包括全国367个城市站点的家电维修类数据。
◆ 类别：家电维修类（包括空调维修，空调移机，热水器维修，冰箱维修，洗衣机维修，空调清洗，电视机维修，饮水机维修，厨房家电，小家电，影音家电维修，其他等）

更新时间：
2018年1月份。

详细字段说明：
‘省份’, ‘城市’, ‘区域’, ‘分类1′, ‘分类2′, ‘标题’, ‘标签’, ‘公司名称’, ‘服务内容’, ‘服务范围’, ‘所在地’, ‘联系人’, ‘联系电话’, ‘微信联系’, ‘服务简介’, ‘商家Logo’, ‘商家用户名’, ‘注册时间’, ‘信用记录’, ‘Scrape_url’

示例数据：
点击查看在线示例数据

数据格式：
CSV（最通用的数据交换格式）

字符编码：
UTF-8。

◆ 城市：本次数据包括全国359个城市站点的家电维修类数据。
◆ 类别：家电维修类（包括冰箱维修，电视机维修，空调移机，空调维修，空调清洗，洗衣机维修，热水器维修，冷库安装/维修，饮水机维修，壁挂炉维修，净水机维修，音响/功放维修，电动车维修，太阳能维修，小家电维修，厨房电器维修，中央空调维修，其他等）

更新时间：
2018年1月份。

详细字段说明：
‘省份’, ‘城市’, ‘区域’, ‘分类1′, ‘分类2′, ‘标题’, ‘Logo’, ‘帮帮’, ‘认证’, ‘地址’, ‘电话’, ‘服务介绍’, ‘Scrape_url’

示例数据：
点击查看在线示例数据

数据格式：
CSV（最通用的数据交换格式）

字符编码：
UTF-8。

数据说明：
大众点评全网数据（324个国内城市，所有分类），本次共采集商户数据超过1480万条（14,860,209条）。2015年8月底更新。

有图有真相：

更新说明：
■  采用新的遍历方式，总数据条数有明显增加（和5月份版本相比增加数据条数180万）。
■  增加对“锡林郭勒”和”阿拉善”两城市的采集。
■ 新增default_remarks字段，对应页面上的默认点评数。原all_remarks对应页面上的全部点评数。
■  修复由于大众点评改版造成的部分商户“商圈”字段为空的Bug。
■  修复部分商户“区域”字段有误的Bug，部分商户没有区域信息（例如http://www.dianping.com/shop/4431668）采集到的“区域”为地址。
■  修复了部分分类下由于页面结构不一样导致经纬度提取失败的Bug。
■  “酒店”和“教育培训”类的模版不一样，增加了对这两类商户的处理。
■  增加了对部分商户“关店”标志不一样的情况处理（例如http://www.dianping.com/shop/1584226）。
■  推荐菜recommended_dishes字段增加每道菜的推荐人数信息。

详细字段说明：
“shop_id”(商户ID，唯一、固定不变),“mall_id”（商户所述商场的shop_id），“verified”（是否加V）,”is_closed”（是否停业）,”name”（商户名称）,”alias”（别名）,”province”（省）,”city”（市）,”city_pinyin”（市拼音）,”city_id”,”area”（区）,”big_cate”（一级分类）,”big_cate_id”,”small_cate”（二级分类）,”small_cate_id”,”address”（地址）,”business_area”（商圈）,”phone”（电话）,”hours”（营业时间）,”avg_price”（均价）,”stars”（星级）,”photos”（图片）,”description”（描述）,”tags”（标签）,”map_type”,”latitude”（维度）,”longitude”（经度）,”navigation”（导航）,”traffic”（交通）,”characteristics”（特色）,”product_rating”（口味/产品评分）,”environment_rating”（环境评分）,”service_rating”（服务评分）,”all_remarks”（全部点评数）, “default_remarks”（默认点评数）,”very_good_remarks”（5星数）,”good_remarks”（4星数）,”common_remarks”（3星数）,”bad_remarks”（2星数）,”very_bad_remarks”（1星数）,”recommended_dishes”（推荐菜）,”recommended_products”（推荐产品）,”parking”（停车位信息）”,nearby_shops”（周边商户）,”is_chains”（是否是连锁店）,”take-away”（是否外卖）,”group”（团购信息）,”card”（会员卡）,”latest_comment_date”（最新评论日期）

在线示例数据：
点击查看大众点评网2015年08月份在线示例数据

数据格式：
CSV（最通用的数据交换格式）或MySQL。

字符编码：
UTF-8。

关于本数据的FAQ：
1. 你们多久更新一次数据？
答：大概3-4个月更新一次。

2. 你们完整采集一次要花多长时间？
答：一个月左右。我们每次都是全量采集，每次下载页面量多达2000万。

3. 你们采集到的数据量为什么这么大，我自己采集为什么只能采集到200多万？
答：大众点评网的列表页有页数限制。我们采用递归子分类和子区域，结合遍历shop_id的方式，最大程度上保证了数据的完整性。

4. 我发现你们的数据缺失了某个店铺，是什么原因造成的？
答：这很正常，在采集开始到采集完成这一个月内又会新增很多的店铺，而这些店铺的数据肯定会漏掉。

5. 我发现了一个Bug，你们能给处理吗？
答：在数据购买半个月内，如果该Bug的影响范围大于10%，我们将立即处理，并免费提供一份处理后的数据。如果该Bug的影响范围小于10%，我们不能立即处理，但会在下一个版本中进行修复。
由于大众点评网的模板种类很多，要兼顾各种特殊情况，我们也在不断的修复数据中存在的历史问题。

6. 我想增加一个字段，可以吗？
答：不行，购买现成的数据不提供任何修改支持。如果你想自定义字段，建议申请定制采集服务（费用会远高于购买现成数据）。

7. 数据总量有多大？这么大怎么传给我？
答：8GB左右。通过百度网盘共享（有提取密码）。

8. 你们能否帮我将数据导入数据库？
答：抱歉，你需要自己完成导入的过程。可以参考我们的导入教程：
SQL文件 -> MySQL http://www.site-digger.com/html/articles/20150921/101.html
CSV -> MySQL http://www.site-digger.com/html/articles/20120525/34.html