
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
搬遷自家食譜的美食部落客、烹飪 App 和餐點規劃服務,用這個爬蟲從公開頁面建立食譜表格:名稱、分類、料理類型、烹調時間、份量、食材、步驟、頁面有標示時的熱量、圖片連結和連結。許多食譜頁面也會把這些資訊存在隱藏的結構化區塊中,有這個區塊時,爬蟲就會讀取它。請提供網站、一個分類頁和一個食譜頁,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。食譜文字和照片屬於作者:請只使用您有權使用的內容。作者姓名不會擷取。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。
- 食材以清單呈現一格一行一項食材,或放在獨立工作表
- 時間與份量以可篩選的數字呈現
- 圖片連結只提供連結;請使用您有權使用的照片
- 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頁面數您提供網站、一個分類和一篇另存的食譜
- 2爬蟲我們撰寫程式碼和執行說明
- 3執行您執行程式,並把兩篇食譜與網站核對
- 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
食譜網站和具體頁面:一個分類頁和一個食譜頁的連結,以及大約有多少篇食譜。您需要的欄位,例如名稱、分類、料理類型、時間、份量、食材、步驟、熱量、圖片連結。食材的呈現方式:放在一格或獨立工作表。一兩個從瀏覽器另存的這類頁面(檔案 > 另存網頁)。以及這些是您自己的食譜,還是其他網站的。
我們會詢問您:
- 哪個網站、哪些頁面?
- 您需要的欄位
- 大約有多少篇食譜?
- 食材要如何呈現?
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
我可以把蒐集到的食譜發布在我的網站上嗎?
必須取得擁有者的許可,或者是您自己的食譜。食譜文字和照片屬於作者;爬蟲負責蒐集,要發布什麼由您決定。
它能把份量和單位分開嗎?
可以,只要頁面的寫法一致,結構化區塊通常就是如此。若某一行寫著「少許鹽」,就會照原文保留。
它能計算熱量嗎?
不行。只有頁面標示熱量時才會擷取,我們不計算營養成分,也不提供飲食建議。
它能讀取社群平台或影音網站上的食譜嗎?
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。食譜網站只要條款允許就可以,由您判斷。
沒有找到您要的答案?