開發
成果範例
Parser of a garden tools supplier's catalog into Excel
What the result looks like
| Article | Name | Price | In stock | Weight | Photo |
|---|---|---|---|---|---|
| GT-1042 | Pruning shears, 20 mm | 18.90 | Yes | 0.24 kg | …/gt-1042.jpg |
| GT-1187 | Folding saw, 210 mm | 24.50 | Yes | 0.31 kg | …/gt-1187.jpg |
| GT-2210 | Hedge shears, wavy blade | 39.00 | No | 1.10 kg | …/gt-2210.jpg |
| GT-3305 | Hand trowel, stainless | 9.80 | Yes | 0.18 kg | …/gt-3305.jpg |
| GT-4120 | Garden hose 25 m, 1/2" | 42.00 | Yes | 2.90 kg | …/gt-4120.jpg |
The file in the example has 1,236 products from 52 list pages.
A part of the code
def product_links(list_url: str) -> Iterator[str]:
"""Product page links from every page of the list, following 'Next'."""
url: str | None = list_url
while url:
page = fetch(url)
for card in page.select("div.product-card a.title"):
yield urljoin(url, card["href"])
next_link = page.select_one("a.pagination-next")
url = urljoin(url, next_link["href"]) if next_link else None
def fetch(url: str) -> BeautifulSoup:
"""One open page, at a polite pace: a pause between requests and a few tries on errors."""
for attempt in range(3):
time.sleep(settings.delay_seconds)
response = session.get(url, timeout=30)
if response.status_code == 200:
return BeautifulSoup(response.text, "html.parser")
log.warning("%s answered %s, try %d of 3", url, response.status_code, attempt + 1)
raise ScraperError(f"{url} did not open after 3 tries")
Files: a ZIP archive with scraper.py, settings.ini (the start page, the pause between requests, the file name), requirements.txt and a README on installing and running it. It reads only open pages, one every 2 seconds, and checks the site's robots.txt first. The client runs it on their own computer.
Client: an online garden shop that resells a supplier's tools; the supplier has an open catalog on its website but no price list file. Task: go through the catalog's list pages, open every product page and save the article number, name, price, stock, weight and main photo link to Excel, to compare prices once a week.
客戶與所有細節皆為虛構。
關於此服務
為了市場調查或整理潛在合作夥伴名單,這個爬蟲會把公開的企業名錄複製成表格:公司名稱、類別、城市、地址、網站連結、簡介、營業時間,以及該公司在名錄中的頁面連結。它不蒐集任何個人聯絡方式:沒有負責人、主管或員工的姓名,沒有電子郵件,也沒有電話號碼,所以這份表格不是寄信或電話名單。請提供名錄網站、一個類別頁、一個公司頁面,以及一兩個從瀏覽器另存的頁面。您會拿到 Python 程式碼、設定檔和 README,並在自己的電腦上執行。它以和緩的速度讀取公開頁面,絕不登入、不繞過驗證碼或防護機制,也不讀取 Google 地圖、LinkedIn 或社群平台。網站的使用條款是否允許,由您自行判斷;網站日後改版時,程式需要更新。
包含內容
- 您會得到一個 ZIP 壓縮檔,內含 Python 程式碼、設定檔和附逐步說明的 README;訂單頁面上也會顯示程式碼。
- 公司,而非個人沒有姓名、電子郵件或電話號碼
- 類別與城市分欄呈現,方便篩選
- 網站連結方便您造訪每家公司自己的網站
- 和緩的速度頁面之間的間隔,可在設定中調整
- 在您的電腦上執行Windows、macOS 或 Linux,搭配 Python
服務流程
- 1名錄您提供名錄、一個類別和一個另存的公司頁面
- 2爬蟲我們撰寫程式碼和執行說明
- 3執行您執行程式,並把前幾家公司與網站核對
- 4修改您在方案範圍內提出修改,並附上任何錯誤訊息
需要您提供的資料
名錄網站和具體頁面:一個類別頁(如果網站有城市篩選,也請附上城市)和一個公司頁面的連結,以及大約有多少家公司。依您表格順序排列的欄位,例如名稱、類別、城市、地址、網站、簡介。一兩個從瀏覽器另存的這類頁面(檔案 > 另存網頁)或截圖。CSV 或 Excel。
我們會詢問您:
- 哪個名錄、哪些頁面?
- 類別與城市
- 您需要的欄位
- 大約有多少家公司?
比較方案
付款保障
下單時付款,但只有在驗收成果後,款項才會撥付。
- 固定價格付款後,方案價格不會變動。
- 款項先行保留付款時,金額只會先保留,在您驗收後才會撥付給服務。
- 交付前檢查每份成果在交到您手上之前都會經過品質檢查,您也可以在驗收前於訂單頁面查看成果。
- 免費修改在需求說明範圍內,可依方案允許的次數提出修改。
- 3 天後自動驗收若您在交付後 3 天內未驗收也未提出修改,成果將自動驗收。若您在交付後於訂單聊天室留言,訂單會暫停自動驗收;我們回覆後,可能會重新起算 3 天,並會在聊天室中告知。
- 重新製作或全額退款若成果不符合您的需求說明且修改後仍未改善,或製作時間超過交付期限的兩倍,請在訂單聊天室留言:我們將重新製作,或全額退還款項。
常見問題
它能蒐集電子郵件和電話,讓我聯絡這些公司嗎?
不行。電子郵件和電話號碼常常會對應到某個人,而寄信或電話名單受個資法規約束,所以爬蟲不會擷取。有了網站連結,您就能依每家公司提供的方式聯絡對方。
它能讀取 Google 地圖或 LinkedIn 嗎?
不行。Google、LinkedIn、Amazon 和社群平台都在範圍之外:它們的使用條款禁止這麼做,頁面上也有個人資料。
它能開啟每家公司的網站取得更多資訊嗎?
不行。每家公司的網站都是不同的網站,各有各的頁面,所以爬蟲只在名錄內讀取,並存下網站連結。
可以複製名錄嗎?
名錄通常會在使用條款中保護其刊登內容,而各國的個資法規也不同,所以能否蒐集和使用這些資料,由您判斷。名錄改版後,爬蟲需要更新。
沒有找到您要的答案?


