新闻详情

新闻详情

首页 / 资讯中心 / 详情

用Fli搭建Google Flights票价监控系统:一个价格追踪实战项目

发布时间:2026/11/18 9:53:43来源:尧图网络
用Fli搭建Google Flights票价监控系统:一个价格追踪实战项目
用Fli搭建Google Flights票价监控系统一个价格追踪实战项目【免费下载链接】fliGoogle Flights MCP, CLI and Python Library项目地址: https://gitcode.com/gh_mirrors/fli2/fli机票价格忽上忽下到底什么时候出手最划算Fli 是一个免费的开源 Google Flights 票价查询工具提供 Python 库、CLI 命令行和 MCP 服务三种用法不靠网页爬虫直接对接 Google Flights 的数据接口取数帮你轻松搭建一套简单可靠的机票票价监控系统。本文是一个完整的实战指南从安装到价格追踪循环逐步带你落地。一、为什么选 Fli 做机票票价监控 不靠爬虫Fli 通过逆向 Google Flights 接口直接取数速度快、结果稳定不易因页面改版而失效全形态工具箱一条命令安装后可以终端 CLI、Python 代码、AI 助手MCP三种方式调用内置保护机制自动频率控制与重试长期轮询查询也不容易失败两个核心搜索类是SearchFlights查指定日期的航班票价和SearchDates扫描一段日期找最低价API 文档见 docs/python/api/search.md搜索模块源码位于 fli/search/。二、3步安装并跑通第一次票价搜索第 1 步一条命令安装pip install flights第 2 步终端里直接查票价JFK 纽约 → LHR 伦敦fli flights JFK LHR 2026-10-25 fli flights JFK LHR 2026-10-25 --stops NON_STOP --sort CHEAPEST第 3 步输出中每个选项都会列出价格、时长、中转和航段明细如果想先找最便宜哪天飞用dates命令fli dates JFK LHR --from 2026-10-01 --to 2026-11-01 --sort输出就是一张机票低价日历——这正是票价监控系统的核心原料。三、监控方案核心用 SearchDates 扫描日期找最低票价官方示例 examples/python/price_tracking.py 已给出完整的票价追踪演示用DateSearchFilters定义日期范围SearchDates逐日扫描把每天的price存入price_history字典。核心结构只有几行from datetime import datetime, timedelta from fli.models import Airport, DateSearchFilters, FlightSegment, PassengerInfo from fli.search import SearchDates base_date datetime.now() timedelta(days30) filters DateSearchFilters( passenger_infoPassengerInfo(adults1), flight_segments[ FlightSegment( departure_airport[[Airport.JFK, 0]], arrival_airport[[Airport.LAX, 0]], travel_datebase_date.strftime(%Y-%m-%d), ) ], from_datebase_date.strftime(%Y-%m-%d), to_date(base_date timedelta(days7)).strftime(%Y-%m-%d), ) for result in SearchDates().search(filters): print(result.date[0].strftime(%Y-%m-%d), result.price)跑一次就能拿到该周内每个日期的最低票价——这是票价监控的一张快照。过滤器还支持舱位、中转数、指定/排除航司等条件模型定义见 fli/models/google_flights/dates.py。四、搭建每日票价追踪循环 拿到快照后剩下的工作就是定时执行 存档定时执行用 crontab 每天固定时间跑上面的脚本或在 shell 中调用fli dates ... --format jsonJSON 输出目前是实验性功能存档分析把查询时间 日期 最低价追加成 CSV/JSONexamples/python/result_processing.py 演示了用 pandas 把结果转成 DataFrame方便画出价格走势曲线设置提醒当最低价跌破目标价时触发通知监控闭环完成五、进阶玩法把票价数据接进 AI 助手Fli 自带 MCP 服务器让 AI 助手直接帮你查票价pipx install flights fli-mcp # stdio 模式 fli-mcp-http # HTTP 模式配置好后可以直接对 AI 说11月从纽约飞伦敦哪天最便宜 MCP 接入指南见 docs/guides/mcp.md。六、避坑指南长期监控的3个注意事项⏳控制查询频率日期范围扫描本质是逐日取数建议每天甚至每隔几天查一次即可Fli 内置限流与自动重试日期范围上限 93 天单次SearchDates搜索最多覆盖 93 天更宽的范围请分段查询给错误留退路真实查询偶尔会超时或返回空结果examples/python/error_handling_with_retries.py 提供了带重试逻辑的完整模板✈️先查机场代码航线数据文件在 data/ 目录可从 data/airports.csv 中检索 IATA 代码七、总结用 Fli 搭建 Google Flights 票价监控系统不需要写任何爬虫pip install flights安装SearchDates扫描日期范围记录最低票价定时执行、存档、设提醒可选通过 MCP 接进 AI 助手从 price_tracking.py 出发结合 result_processing.py 和 error_handling_with_retries.py 两个示例一个下午就能拥有自己的机票低价监控 【免费下载链接】fliGoogle Flights MCP, CLI and Python Library项目地址: https://gitcode.com/gh_mirrors/fli2/fli创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/17 7:04:08

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/17 5:42:44

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/17 19:43:34

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/17 6:55:04

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/17 5:57:47

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/17 19:43:32

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉