采集amazon经常返回不同的模板，求解决

阿百川

使用amazon的api采集一些数据不全，现在想通过直接采集页面获得

: o, R$ h0 M& |) a# G2 D; `  e: R但测试过程中经常碰到同样的request却返回不同的数据，求教原因
8 [7 _* |3 J  q

河小马

lz 给个request 看下

阿百川

河小马 发表于 2013-5-15 01:10
lz 给个request 看下

1. GET http://www.amazon.com/gp/dp/B00BZ9NOUS HTTP/1.1
   
2. Accept-Encoding: identity
   1 F6 D1 N/ ?, ~- M6 n8 A( }
3. Accept-Language: en-us,en;q=0.5
   
4. Dnt: 1
   
5. Connection: close
   6 m+ r! Z: ~0 T1 g2 ]0 ?( h
6. Accept: text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8
   
7. User-Agent: Mozilla/5.0 (Windows NT 6.1; rv:15.0) Gecko/20100101 Firefox/15.0
   
8. Host: www.amazon.com
   0 A' c. K$ W% f. j
9. Cache-Control: max-age=0

复制代码

直接是浏览器没碰到锅，但提交request就来回换

goog1e

可能是useragent的问题.

阿百川

goog1e 发表于 2013-5-15 19:38
可能是useragent的问题.

request已经包含ua了

joul

你要采集哪些信息呢？是自己写的程序还是用其他软件？
2 y& ~/ `2 u" }0 R9 |如果只是产品描述、图片、review之类的，我觉得还行吧，C#的HtmlAgilityPack应该可以搞定。

阿百川

joul 发表于 2013-5-15 23:26
, M0 x5 J6 ^1 J# l+ l4 ]1 b你要采集哪些信息呢？是自己写的程序还是用其他软件？
如果只是产品描述、图片、review之类的，我觉得还行 ...

: \' X+ T8 E5 u+ O4 [) }各种数据很容易采，关键是经常变换模板，偶尔一些模板还需要翻页才能采集

joul

可能我还没到你这种采集级别吧，呵呵。要么就是采集太少了。

& ^) Y+ A' K/ b我一般是对那些模板变更了的产品直接跳过，比如id读不到之类的，呵呵

阿百川

joul 发表于 2013-5-16 07:36
0 m' |1 u6 d& P, [4 A可能我还没到你这种采集级别吧，呵呵。要么就是采集太少了。
. ]/ ?- m+ c5 I! Q
+ X, l3 k+ T& Q3 z: P2 h. T我一般是对那些模板变更了的产品直接跳过，比 ...

0 d# b3 f# x& N直接加了while，多读取几遍，符合采集规则的再继续，就是有些影响效率

goog1e

同一个产品也返回不同的模板,应该不会吧
- x* a5 |3 l/ q& _, c' m! n
不同类别的商品模板相差很大的
比如图书和衣服类的商品
  j& g: u4 M: W% W4 A7 ~6 K
感觉amazon在不断的调整前端设计
  {5 ?$ V3 [# d( {! X0 H

阿百川

goog1e 发表于 2013-5-16 09:09
9 t, s5 d6 y# d' G3 i' x" Q4 t同一个产品也返回不同的模板,应该不会吧
* {8 |8 T( g$ X9 x8 A( A
  T" F$ {4 a6 r9 Q, q* r* D不同类别的商品模板相差很大的

最简单的价格，html代码一般是<td id=price>价格</td>，偶尔的<td id=price><strong>价格</stron></td>，还有其他复杂的没记住

Atrus

自己开发的API采集 还是用的什么工具？

joul

阿百川 发表于 2013-5-16 09:57
) R" k; }, V: }* G5 w最简单的价格，html代码一般是价格，偶尔的价格，还有其他复杂的没记住

) O( h! @# ^, l/ j如果只有这类问题，可以考虑用InnerText来采，不用InnerHtml。我建议把数据本地化，再读出来，事先定义好模板再组合成页面。对于产品而言，变动频繁的估计就是价格了，可以考虑每周/每月更新一次数据。

joul

阿百川 发表于 2013-5-16 08:26
3 a: [/ Q8 r7 S' s# {$ w直接加了while，多读取几遍，符合采集规则的再继续，就是有些影响效率

while多了确实影响效率，可以考虑后面搞多个采集规则模板，一旦变了，就加上这个规则，程序上做轮询。

阿百川

joul 发表于 2013-5-16 12:19
while多了确实影响效率，可以考虑后面搞多个采集规则模板，一旦变了，就加上这个规则，程序上做轮询。 ...

有几个规则不好处理，如果加上了效率反而比while还低