Podcast 單集爬蟲開發與客製化

一個 Python 爬蟲,從 Podcast 的公開網站列出各集:集數、標題、日期、長度和連結

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,從 Podcast 的公開網站列出各集:集數、標題、日期、長度和連結

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

要搬到新網站的 Podcast 主持人、節目筆記編輯和研究人員用這個爬蟲,把各集整理成表格:集數、季數、標題、日期、長度、簡短介紹、主題或標籤、單集頁面連結,以及頁面有顯示時的音檔連結。它讀取節目本身的公開網站,或大多數 Podcast 都有的公開 RSS feed。請提供單集列表頁、一個單集頁面,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。它只存連結,不下載音檔,也沒有來賓姓名的欄位。它以和緩的速度讀取,絕不登入、不繞過驗證碼或防護機制,也不讀取社群平台或需要帳號的收聽 App。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。
  • 依序排列的單集集數、季數和日期分欄呈現
  • 以分鐘計的長度頁面或 feed 有顯示時
  • 單集與音檔連結只有連結,不含音檔
  • 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
    節目您提供單集列表或 feed,以及一個另存的單集頁面
  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,並把最新幾集與網站核對
  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

Podcast 的網站及其單集列表連結,或公開的 RSS feed 網址、一個單集頁面,以及大約有多少集。依您表格順序排列的欄位,例如集數、季數、標題、日期、長度、介紹、標籤、單集連結、音檔連結。一兩個從瀏覽器另存的這類頁面(檔案 > 另存網頁)或截圖。CSV、Excel 或 JSON。

我們會詢問您:

  • 哪個 Podcast?
  • 您需要的欄位
  • 大約有多少集?
  • 結果檔

比較方案

方案基本版單一列表的單集US$21標準版列表與單集頁面US$41進階版最多 3 個 PodcastUS$74
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(單集列表和單集頁面)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

它能下載音檔嗎?

不行。節目屬於其製作者,所以爬蟲只存音檔的連結,不存檔案。

它能改讀 RSS feed 而不是頁面嗎?

可以,只要 feed 公開在一個網址上。它算是一種頁面,而且日期和長度通常比網站上更整齊。

它能讀取收聽 App 或社群平台上的 Podcast 嗎?

不行。需要帳號的 App、社群平台、Google、Amazon 和 LinkedIn 都在範圍之外。節目本身的公開網站或 feed 可以,只要您判斷其條款允許。

它能撰寫節目筆記或逐字稿嗎?

不行。它只蒐集頁面上已經寫好的內容;不會收聽節目,也不撰寫文字。如果網站日後改版,爬蟲需要更新。

沒有找到您要的答案?

方案