采集场景

采集Amazon商品详情页数据。Amazon商品详情页实例网址:https://www.amazon.com/dp/B07R7DY911

 

采集字段

title、brand、stars、ratings、questions、price、details、productdimensions、itemweight、shippingweight、asin、itemmodelnumber、bestsellerrank、stock 等。

 

鼠标放到图片上,右键,选择【在新标签页中打开图片】可查看高清大图

下文其他图片同理

 

采集结果

采集结果可导出为Excel,CSV,HTML,数据库等多种格式。导出为Excel示例:

 

 

教程说明

本篇更新时间:2020/5/9   八爪鱼版本:V8.1.8

如果因网页改版造成网址或步骤无效,无法采集到目标数据,请联系官方客服,我们将及时修正。

 

采集步骤

步骤一、打开网页

步骤二、选择配送地区

步骤三、创建【循环-打开网页】,以采集多个详情页数据

步骤四、采集详情页中的字段

步骤五、优化规则

步骤六、启动采集 

 

示例网址:

https://www.amazon.com/dp/B07R7DY911

https://www.amazon.com/dp/B07PXGQC1Q

 

步骤一、打开网页

 

在首页输入框中,输入示例网址 https://www.amazon.com,然后点【开始采集】,八爪鱼自动打开网页。

 

 

步骤二、选择配送地区

 

在Amazon中,选择不同的配送地址,输入关键词搜索后得到的商品列表是不一样的。

示例中打开网页后,默认的配送地址为【中国大陆】。如果默认配送地址满足采集需求,可跳过此步骤。

如果需要修改配送地址,Amazon支持通过【登录账户并确认地址簿】、【输入美国邮政编码】和【选择美国境外其他国家】修改配送地址。

本文以【输入美国邮政编码】为例,输入 California (CA)的邮政编码:95136。具体操作如下:

 

1、在页面中选中【中国大陆】,在操作提示框中点击【点击该元素】,页面弹出位置输入框

2、选中位置输入框,在操作提示框中点击【输入文本】

3、在操作提示框中输入【95136】后保存

4、选中【设置】按钮,在操作提示框中点击【点击该元素】

5、选中【完成】,在操作提示框中选择【点击该按钮】,完成配送地址的修改。

 

 

步骤三、创建【循环-打开网页】,以采集多个详情页数据

 

在【点击元素2】步骤后,添加一个【循环】。

进入【循环】设置页面。选择循环方式为【网址列表】,点击   按钮,将我们准备好的网址(可同时输入多个关键字,一行一个即可)后保存。

 

 

步骤四、采集详情页中的字段

 

1、采集字段

选中网页中的目标字段,在操作提示框中点击【采集该元素的文本】。

所有文本类的字段都可这样提取,示例中提取了 title、brand、stars、ratings、questions、price、details、productdimensions、itemweight、shippingweight、asin、itemmodelnumber、bestsellerrank、stock 。

 

 

2、编辑字段

在【当前页面数据预览】面板中,可删除多余字段,修改字段名,移动字段顺序等。

 

 

3、修改字段XPath

Product information栏目中的字段会出现数据错位,需手动修改字段XPath。以【asin】字段为例。

进入【提取数据】设置界面,点击【asin】字段后的  按钮,修改XPath为://th[contains(text(),'ASIN')]/../td

 

 

特别说明:

a. 修改字段XPath,需要一定的XPath知识。点击查看 XPath学习与实例教程 

b. 示例中以【asin】字段为例进行修改。其他字段的修改方法是类似的:
【itemModelNumber】XPath : //th[contains(text(),'Item model number')]/../td

【Best Sellers Rank】XPath: //th[contains(text(),'Best Sellers Rank')]/../td

【Shipping Weight】XPath: //th[contains(text(),'Shipping Weight')]/../td

【Product Dimensions】XPath: //th[contains(text(),'Product Dimensions')]/../td

【Item Weight】XPath : //th[contains(text(),'Item Weight')]/../td

   

步骤五、优化规则

 

以上步骤可以完成基本的数据采集。但Amazon有防采集,如需稳定采集大量数据,需对采集规则进行优化。常见的优化方法如下:

 

1、设置执行前等待 + 调整Ajax超时时间

双击进入【点击元素1】、【点击元素2】、【点击元素3】和【输入文本1】步骤的设置页面,设置【执行前等待】3s,【Ajax超时】15s。

 

 

 

特别说明:

a. 使用了Ajax技术的网页,八爪鱼会自动判断并设置一定的【Ajax超时】。如果系统自动设置的【Ajax超时】过短,可根据采集需求和网页加载情况进行调整,详情点击查看 Ajax教程 

b. 执行前等待,即在执行此步骤前等待一段时间,可有效避免因网页未加载完全导致的漏数据,详情点击查看 执行前等待使用场景与设置方法

 

2、设置重试条件

如果是初次采集,可以跳过此步骤,直接启动采集获取数据。

如果已经采集到一定数据后,发现触发了Amazon的防采集,出现验证码,可以通过设置重试条件解决。

验证码一般在打开新页面后出现。在这个规则中,【打开循环中的网页】后会打开新页面。因此需对这个步骤设置重试,重试时以新的IP和浏览器版本打开网页,以跳过验证码。

 

进入【打开循环中的网页】设置步骤:勾选【当如下条件满足时重试】,重试条件为 当前页面的【元素XPath】不包含 //SPAN[@id="productTitle"] (【打开循环中的网页】的后一个步骤【提取数据】中第一个字段【title】的XPath) ,重试次数为5次,每次间隔1秒。

勾选【重试时同时切换代理IP】,选择【随机伪造IP】

勾选【重试时同时切换浏览器版本】,点击【浏览器列表】,将除手机端外的浏览器列表都勾选上。

 

 

步骤六、启动采集

 

1、单击【采集】并【启动本地采集】。启动后八爪鱼开始自动采集数据。 

 

 

特别说明:

a. 【本地采集】是使用自己的电脑进行采集,【云采集】是使用八爪鱼提供的云服务器采集,点击查看 本地采集与云采集详解

 

2、采集完成后,选择合适的导出方式来导出数据。支持导出为Excel,CSV,HTML,数据库等。这里导出为Excel。示例数据:

 

 

作者:Bin

编辑:Aisling