博主介绍：✌全网粉丝10W+,前互联网大厂软件研发、集结硕博英豪成立工作室。专注于计算机相关专业项目实战6年之久，选择我们就是选择放心、选择安心毕业✌
> 🍅想要获取完整文章或者源码，或者代做，拉到文章底部即可与我联系了。🍅

点击查看作者主页，了解更多项目！

🍅感兴趣的可以先收藏起来，点赞、关注不迷路，大家在毕设选题，项目以及论文编写等相关问题都可以给我留言咨询，希望帮助同学们顺利毕业 。🍅

1、毕业设计：2025年计算机专业毕业设计选题汇总（建议收藏）✅

2、最全计算机专业毕业设计选题大全（建议收藏）✅

1、项目介绍

技术栈：Flask框架、requests爬虫、Echarts可视化、MySQL数据库、贝叶斯预测模型

研究背景：
在线旅游信息分散且更新快，游客难以实时掌握各城市热度、小吃与住宿资源，传统攻略更新滞后，亟需一套自动抓取并智能预测热门目的地的可视化系统。

研究意义：
本系统以requests高频抓取马蜂窝景点、美食与住宿数据，经清洗后存入MySQL，利用贝叶斯网络模型根据景点数量、评论人数、小吃数量等特征预测城市热度，并通过Echarts多图联动展示，可帮助游客快速制定行程，也可为文旅企业提供数据决策支持，同时具备毕业设计完整闭环与二次商用价值。

2、项目界面

（1）各省份热门城市分析

（2）首页–注册登录

（3）热门城市的景点分析

（4）热门城市美食分析

（5）贝叶斯预测模型（基于贝叶斯网络的热门城市预测模型）

（6）数据爬虫页面

3、项目说明

旅游大数据采集分析系统基于Flask轻量级Web框架，通过requests爬虫定时抓取马蜂窝网站景点、酒店、美食等多源数据，经数据清洗与整合后存储于MySQL数据库。系统内置贝叶斯网络机器学习模型，以景点数量、评论热度、小吃数量等核心特征训练，实现热门城市概率预测。前端采用Echarts将分析结果以柱状图、玫瑰图、地图等形式动态呈现，支持用户按省份、城市维度交互筛选，并提供Excel/CSV导出功能。用户通过浏览器即可获取最新热门目的地、景点排行与美食榜单，快速生成个性化旅游方案；管理后台可对爬虫任务、模型参数及数据质量进行实时监控与调整，保证数据时效与预测精度。系统覆盖数据采集、清洗、分析、预测、可视化全链路，为游客、文旅企业及毕业设计提供一站式大数据解决方案。

4、核心代码

#!/usr/bin/python
# coding=utf-8

import sqlite3
from flask import Flask, render_template, jsonify
import json
from collections import Counter

import pandas as pd

app = Flask(__name__)
app.config.from_object('config')

login_name = None

# --------------------- html render ---------------------
@app.route('/')
def index():
    return render_template('index.html')


@app.route('/hot_city')
def hot_city():
    return render_template('hot_city.html')

@app.route('/city_hot_jingdian')
def city_hot_jingdian():
    return render_template('city_hot_jingdian.html')

@app.route('/city_hot_xiaochi')
def city_hot_xiaochi():
    return render_template('city_hot_xiaochi.html')

@app.route('/city_hot_bys')
def city_hot_bys():
    return render_template('city_hot_bys.html')

# ------------------ ajax restful api -------------------
@app.route('/check_login')
def check_login():
    """判断用户是否登录"""
    return jsonify({'username': login_name, 'login': login_name is not None})


@app.route('/register/<name>/<password>')
def register(name, password):
    conn = sqlite3.connect('user_info.db')
    cursor = conn.cursor()

    check_sql = "SELECT * FROM sqlite_master where type='table' and name='user'"
    cursor.execute(check_sql)
    results = cursor.fetchall()
    # 数据库表不存在
    if len(results) == 0:
        # 创建数据库表
        sql = """
                CREATE TABLE user(
                    name CHAR(256), 
                    password CHAR(256)
                );
                """
        cursor.execute(sql)
        conn.commit()
        print('创建数据库表成功！')

    sql = "INSERT INTO user (name, password) VALUES (?,?);"
    cursor.executemany(sql, [(name, password)])
    conn.commit()
    return jsonify({'info': '用户注册成功！', 'status': 'ok'})


@app.route('/login/<name>/<password>')
def login(name, password):
    global login_name
    conn = sqlite3.connect('user_info.db')
    cursor = conn.cursor()

    check_sql = "SELECT * FROM sqlite_master where type='table' and name='user'"
    cursor.execute(check_sql)
    results = cursor.fetchall()
    # 数据库表不存在
    if len(results) == 0:
        # 创建数据库表
        sql = """
                CREATE TABLE user(
                    name CHAR(256), 
                    password CHAR(256)
                );
                """
        cursor.execute(sql)
        conn.commit()
        print('创建数据库表成功！')

    sql = "select * from user where name='{}' and password='{}'".format(name, password)
    cursor.execute(sql)
    results = cursor.fetchall()

    login_name = name
    if len(results) > 0:
        return jsonify({'info': name + '用户登录成功！', 'status': 'ok'})
    else:
        return jsonify({'info': '当前用户不存在！', 'status': 'error'})


@app.route('/get_all_sheng')
def get_all_sheng():
    """获取所有省"""
    conn = sqlite3.connect('trip_info.db')
    cursor = conn.cursor()
    sql = 'select sheng_name from trip'
    cursor.execute(sql)
    results = cursor.fetchall()
    results = [r[0] for r in results]

    sheng_dict = dict(Counter(results))
    sheng = list(sheng_dict.keys())
    count = [sheng_dict[s] for s in sheng]
    return jsonify({'sheng': sheng, 'count': count})


@app.route('/get_top_city')
def get_top_city():
    """
    获取热门城市
    """
    conn = sqlite3.connect('trip_info.db')
    cursor = conn.cursor()
    sql = 'select city_name, top_jds from trip'
    cursor.execute(sql)
    results = cursor.fetchall()

    city_comments = {}
    for city, jds in results:
        jds = json.loads(jds)
        try:
            all_comment = sum([int(j['评论个数']) for j in jds])
        except:
            all_comment = 0

        city_comments[city] = all_comment

    city_comments = sorted(city_comments.items(), key=lambda d: d[1], reverse=True)
    citys = [c[0] for c in city_comments]
    return jsonify({'top_city': citys})


@app.route('/query_hot_citys/<sheng>')
def query_hot_citys(sheng):
    """获取省的热门城市"""
    conn = sqlite3.connect('trip_info.db')
    cursor = conn.cursor()
    sql = 'select * from trip where sheng_name="{}"'.format(sheng)
    cursor.execute(sql)
    results = cursor.fetchall()

    city = []
    comment = []
    jingdian = []

    city_jingdian_count = {}
    for res in results:
        city_name = res[1]
        print(city_name)
        if city_name in city_jingdian_count:
            city_jingdian_count[city_name] = []

        jds = json.loads(res[5])
        try:
            all_comment = sum([int(j['评论个数']) for j in jds])
        except:
            all_comment = 0

        city.append(city_name)
        comment.append(all_comment)
        try:
            jingdian.append(', '.join([j['景点名称'] for j in jds][:5]))
        except:
            jingdian.append('暂无数据')

    # 去重
    city_set = []
    comment_set = []
    jingdian_set = []

    for c, com, jd in zip(city, comment, jingdian):
        if c in city_set:
            continue
        city_set.append(c)
        comment_set.append(com)
        jingdian_set.append(jd)

    result = {'city': city_set, 'comment': comment_set, 'jingdian': jingdian_set}

    return jsonify(result)


@app.route('/city_jingdian_analysis/<city>')
def city_jingdian_analysis(city):
    """
    热门城市的景点分析
    """
    conn = sqlite3.connect('trip_info.db')
    cursor = conn.cursor()
    sql = 'select * from trip where city_name="{}"'.format(city)
    cursor.execute(sql)
    results = cursor.fetchall()[0]
    print(results)
    mfw_url = results[3]
    gaikuang = results[4]
    jds = json.loads(results[5])
    xiaochi = json.loads(results[6])
    jiudian = json.loads(results[7])

    return jsonify({'mfw_url': mfw_url, 'gaikuang': gaikuang, 'jds': jds, 'xiaochi': xiaochi, 'jiudian': jiudian})


# ------------- 训练贝叶斯模型 ---------------
dataset = pd.read_csv('热门城市数据集.csv', encoding='utf8')
from sklearn.naive_bayes import GaussianNB
print('-------贝叶斯模型训练------')
gnb = GaussianNB()
X_train = dataset[['热门景点数量', '热门景点评论的总数', '热门小吃数量']].values
y_train = dataset['标签'].values
gnb.fit(X_train, y_train)


# 贝叶斯网络模型预测
@app.route('/bayes_predict/<hot_jd_count>/<hot_com_count>/<hot_xiaochi_count>')
def bayes_predict(hot_jd_count, hot_com_count, hot_xiaochi_count):
    """
    贝叶斯网络模型预测
    """
    pred = gnb.predict([[int(hot_jd_count), int(hot_com_count), int(hot_xiaochi_count)]])[0]
    print(pred)
    result = '热门旅游城市' if pred else '非热门旅游城市'
    return jsonify({'result': result})


if __name__ == "__main__":
    app.run(host='127.0.0.1')

5、项目获取