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,可以有效获取互联网任何公开可见信息。
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>>技术文章
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)。
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。
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。
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。