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
爬蟲會蒐集您在公開網頁上看得到的資料,並存成表格:商品的價格和庫存、供您商店使用的供應商型錄、刊登物件、徵才貼文、活動或文章。請告訴我們網站和頁面,列出您需要的欄位(名稱、價格、連結、圖片等),並提供一兩個從瀏覽器另存的這類頁面(檔案 > 另存網頁)或截圖。我們依這些頁面的實際結構,以 Python 撰寫爬蟲,結果存成 CSV、Excel 或 JSON。您會拿到一個壓縮檔,內含程式碼、一個記錄網址和頁面間隔時間的設定檔,以及說明如何安裝 Python 和執行的 README。爬蟲在您自己的電腦上執行,所以資料直接交到您手上;我們不代為蒐集,也不保存資料。它只以和緩的速度讀取公開頁面,絕不登入、不繞過驗證碼或其他防護機制,也不蒐集姓名、電子郵件或電話號碼等個人資料。網站改版時,爬蟲可能需要更新。依網站的使用條款,您能否蒐集和使用其資料,由您自行負責。
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。
- 您的欄位,您的表格依您需要的順序排列欄位
- 依實際頁面撰寫依您提供頁面的結構撰寫
- 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
- 淺顯的說明要安裝什麼、如何執行,一步一步說明
服務流程
- 1頁面數您提供網站、欄位和一兩個另存的頁面
- 2爬蟲我們撰寫程式碼和執行說明
- 3執行您執行程式,並核對表格的前幾列
- 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:一個列表頁和一個項目頁的連結,以及大約有多少個頁面。您需要的欄位,依您表格的順序排列,並附上各自的範例。一兩個從瀏覽器另存為 HTML 的這類頁面(檔案 > 另存網頁)或截圖,讓爬蟲依照其實際結構撰寫。您需要的結果檔格式(CSV、Excel 或 JSON),以及您會在哪裡執行。
我們會詢問您:
- 哪個網站、哪些頁面?
- 您需要的欄位
- 大約有多少個頁面?
- 結果檔
- 還有其他要求嗎?
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
爬取網站合法嗎?
在許多情況下,蒐集公開資料是允許的,但各網站的使用條款和各國的個資法規不同,所以能否蒐集和使用這些資料,由您判斷。爬蟲絕不登入、不繞過防護機制,也不蒐集個人資料,讓它保持在安全的一邊。
你們會幫我蒐集資料嗎?
不會。您拿到爬蟲後自己執行,結果直接交到您手上,需要最新資料時隨時都能再執行。
如果網站改版或封鎖爬蟲怎麼辦?
爬蟲是依目前的頁面撰寫的。如果網站日後改版,爬蟲需要更新,這算是一筆新訂單。它以和緩的速度讀取,但網站仍可能限制造訪次數;爬蟲不會設法繞過這類限制。
它能爬取 Amazon、Google 或社群平台嗎?
不行。它們的使用條款禁止以這種方式蒐集資料,許多頁面需要登入,而且包含個人資料。這類資料請使用該服務的官方 API 或匯出功能。
我需要會寫程式嗎?
不用。README 會說明如何安裝一次 Python、用一行指令安裝爬蟲所需的套件,以及如何執行。對於用 JavaScript 產生內容的頁面,爬蟲會使用瀏覽器函式庫(Playwright),README 中也有說明。
沒有找到您要的答案?


