更多>>关于我们

西安鲲之鹏网络信息技术有限公司从2010年开始专注于Web(网站)数据抓取领域。致力于为广大中国客户提供准确、快捷的数据采集相关服务。我们采用分布式系统架构,日采集网页数千万。我们拥有海量稳定高匿HTTP代理IP地址池,可以有效绕过各种反采集策略。

您只需告诉我们您想抓取的网站是什么,您感兴趣的字段有哪些,你需要的数据是哪种格式,我们将为您做所有的工作,最后把数据(或程序)交付给你。

数据的格式可以是CSV、JSON、XML、ACCESS、SQLITE、MSSQL、MYSQL等等。

更多>>官方微博

西安鲲之鹏
陕西 西安

加关注

  • Selenium disable Image loading in different browsers >>> http://tarunlalwani.com/post/selenium-disable-image-loading-different-browsers/ ​​​​
    发布时间:2018-07-11 18:21:10
  • chromedriver 镜像 - ChromeDriver Mirror >>> http://npm.taobao.org/mirrors/chromedriver/ ​​​​
    发布时间:2018-07-11 18:20:49
  • "全国POI信息数据库" 上线:涵盖美食、休闲娱乐、酒店、丽人等15大分类,覆盖全国350多个城市,数据量超过4700万条 >>> 点击前往:http://www.poilist.cn/ ​​​​
    发布时间:2018-07-11 15:28:47
  • 【最新发布】国内知名本地生活信息平台4794万商户POI数据2018年06月份更新 >>> http://www.site-digger.com/html/articles/20180702/647.html ​​​​
    发布时间:2018-07-02 11:25:13
  • 【CSV转Excel(XLSX格式)脚本分享】
    背景:大多数情况下CSV转Excel可以使用Openoffice或者Excel实现,但是偶尔也会遇到一些BT的情况,比如转换后Excel打开显示文件异常的(如图2所示)。于是乎利用xlsxwriter这个库写了个小脚本,用法如下:
    python csv2xlsx.py path-of-csv-file  file-encoding(default is utf-8)
    运行效果如图1所示。csv2xlsx.py源码链接分享 >>>https://bitbucket.org/snippets/qi/Xerx67
    发布时间:2018-06-21 18:57:26
  • 全国各类POI(美食、休闲娱乐、丽人、酒店、生活服务等等)用户评论数据7.09亿条,更新至2018年6月15日。点击查看示例数据 >>> http://t.cn/Rrv3RpO ​​​​
    发布时间:2018-06-21 10:21:20
  • 【经验分享】如何让Squid Web隧道支持SSH协议?
    默认Web隧道下连接22端口是不被允许的,会返回403错误。
    编辑/etc/squid3/squid.conf,加入如下配置行
    acl SSL_ports port 22
    acl Safe_ports port 22
    然后重启Squid即可。 ​​​​
    发布时间:2018-05-16 11:41:42
  • 当当网有多少图书,你知道吗?>>> http://t.cn/R3h6hiH ​​​​
    发布时间:2018-05-08 13:53:19
  • 【经验分享】Ubuntu下如何识别无线网卡?
    以普联的TL-WDN6200为例,使用的是rtl8812au(https://github.com/else05/rtl8812au这个驱动):
    wget http://t.cn/RuR1DrP
    unzip master.zip
    cd rtl8812au-master
    make
    sudo install
    然后重启系统,运气好的话你就能看到Wifi图标和热点列表了,如下图所示(Ubuntu14.04下亲测)。
    发布时间:2018-05-03 19:10:52
  • 【经验分享】DeleGate跑了3天日志吃了18G硬盘,如何关掉日志呢?
    查文档(ftp://www.delegate.org/pub/DeleGate/Manual.htm#LOGDIR),找到了方法,加上参数LOGFILE=""即可,原文:
    You can stop logging by specifying null file name like LOGFILE="" or PROTOLOG="". ​​​​
    发布时间:2018-04-28 18:08:15
当前位置: 首页 > 技术文章 >
如何从详情页获取淘宝/天猫商品的分类?
发布时间:2016-09-10 来源:未知 浏览:

熟悉淘宝/天猫的人应该都知道,在商品的详情页是没有显示商品的所属分类的。而”商品分类“对我们的数据分析又是一个很重要的参数,那如何获取这个信息呢?

鲲之鹏的技术人员通过分析发现有两种方法,下面一一介绍:

1)使用店铺的自定义分类。我们知道店铺可以有自定义的分类,在店铺首页点击”查看所有商品“进入商品列表页,如果店铺有自定义的分类,在列表的顶部会有分类筛选器,我们可以分别进入各分类进行采集,这样就能得知商品所属的具体分类了。

但是这种方法的缺点也是显而易见的,如果店铺没有添加自定义的分类,或者没有给某个商品指定自定义的分类,那我们还是无法获取到。另外这种分类主观性很强,没有统一性,很难用来对比分类多家不同店铺的数据。

2)使用淘宝/天猫的官方分类。开过淘宝店的朋友都应该知道,在添加商品的时候系统会首要要求我们选择一个商品分类(如下图所示)。

淘宝添加商品时必须要先指定该商品的分类

也就是所有商品都会有一个准确的淘宝/天猫分类。那如何获取到商品的这个分类信息呢?

我们研究发现,在所有淘宝或天猫的商品详情页的源码中都隐藏着一个叫做"categoryId"的参数(如下图所示),值是一个整型数字,它就是该商品的淘宝分类ID。

淘宝详情页源码里的categoryId参数就是该商品的淘宝分类ID

那么问题又来了,如何根据这个分类ID获取对应的分类名称呢?

 

鲲之鹏的技术人员采集到了一个淘宝全品类的”淘宝分类ID“和多级”分类名称“的映射表,通过查表即可快速定位。

例如,我们可以查表得知1512对应的分类名称是”手机数码 -> 手机“,如下图所示。

根据分类ID通过查表快速定位分类名称

总结:显然第二种方法得到的数据即准确又统一,适用于所有商品。

特别说明:该文章为鲲鹏数据原创文章 ,您除了可以发表评论外,还可以转载到别的网站,但是请保留源地址,谢谢!!(尊重他人劳动,我们共同努力)
☹ Disqus被Qiang了,之前的评论内容都没了。如果您有爬虫相关技术方面的问题,欢迎发到我们的问答平台:http://spider.site-digger.com/
QQ在线客服
欢迎咨询,点击这里给我发送消息。
欢迎咨询,点击这里给我发送消息。