活動資訊爬蟲開發與客製化

一個 Python 爬蟲,把公開的活動和演唱會資訊整理成表格:日期、場地、城市、票價和連結

通常 15 分鐘內完成含修改次數品質檢查
方案
付款保障詳細資訊
  • 方案內的修改免費。
  • 若您在交付後 3 天內未回應,成果將自動驗收。

付款時款項會先保留,在您驗收後才會撥付。

一個 Python 爬蟲,把公開的活動和演唱會資訊整理成表格:日期、場地、城市、票價和連結

成果範例

標準版方案範例

Parser of a garden tools supplier's catalog into Excel

What the result looks like

ArticleNamePriceIn stockWeightPhoto
GT-1042Pruning shears, 20 mm18.90Yes0.24 kg…/gt-1042.jpg
GT-1187Folding saw, 210 mm24.50Yes0.31 kg…/gt-1187.jpg
GT-2210Hedge shears, wavy blade39.00No1.10 kg…/gt-2210.jpg
GT-3305Hand trowel, stainless9.80Yes0.18 kg…/gt-3305.jpg
GT-4120Garden hose 25 m, 1/2"42.00Yes2.90 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

城市指南、場館和主辦單位用這個爬蟲,把公開的活動資訊彙整成一份表格:活動名稱、類別、日期與開始時間、場地、城市、最低票價、年齡限制、購票連結和圖片連結。請提供網站的活動列表頁,例如場館、城市指南或售票網站,再加上一個活動頁面,以及一兩個從瀏覽器另存的頁面。我們以 Python 撰寫程式碼,附上設定檔和 README,您在更新自己的行事曆前,先在自己的電腦上執行。它不會購票、不查詢剩餘座位,也不蒐集主辦者或觀眾的個人資料。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。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。
  • 可排序的日期日期和時間採統一格式,表格可依日期排序
  • 購票連結連到活動本身頁面或售票頁面的連結
  • 圖片連結海報以連結呈現;請在有權使用時才使用
  • 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. 1
    活動列表您提供活動列表頁和一個另存的活動頁面
  2. 2
    爬蟲我們撰寫程式碼和執行說明
  3. 3
    執行您執行程式,並核對前幾場活動的日期
  4. 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

網站和具體頁面:活動列表和一個活動頁面的連結,以及大約有多少場活動。依您表格順序排列的欄位,例如名稱、類別、日期、時間、場地、城市、最低票價、連結。一兩個從瀏覽器另存的這類頁面(檔案 > 另存網頁)或截圖。您想要的日期格式,以及 CSV 或 Excel。

我們會詢問您:

  • 哪個網站、哪些頁面?
  • 您需要的欄位
  • 大約有多少場活動?
  • 只要部分活動?

比較方案

方案基本版單一列表頁的活動US$21標準版活動列表與活動頁面US$41進階版最多 3 個場館或網站US$75
交付期限1 天2 天3 天
修改次數123
網站數11最多 3 個
頁面類型12 種(活動列表和活動頁面)最多 3 個
欄位數最多 10 題最多 25 個每個最多 25 個
逐頁讀取清單中的頁面無有有
結果檔案CSVExcel 或 CSVExcel、CSV 或 JSON
移除重複、從中斷處繼續無無有
訂購 基本版訂購 標準版訂購 進階版

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。
運作方式 →

常見問題

它能查詢哪些座位還有空位嗎?

不行。座位圖要進入售票流程才會出現,通常還得先通過驗證碼或登入,爬蟲絕不會進到那裡。它依頁面顯示的內容擷取最低票價和購票連結。

我可以轉載活動介紹和海報嗎?

文字和海報屬於其擁有者,請先徵得同意,或只使用簡短事實並附上連結。爬蟲負責蒐集,要發布什麼由您決定。

它能讀取社群平台或 Google 上的活動嗎?

不行。社群平台、LinkedIn、Google 和 Amazon 都在範圍之外:它們的使用條款禁止這麼做,許多頁面也需要登入。其他網站的條款是否允許,由您判斷。

如果網站改了活動列表頁怎麼辦?

爬蟲是依目前的頁面撰寫的。日後版面改變需要更新,這算是一筆新訂單。

沒有找到您要的答案?

方案