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

- R) B1 j9 i) X& y3 I4 T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
0 `) X. n# e. B9 p! X& d6 }

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
   ; p9 V5 ]+ l" o% u$ R
2. Accept-Encoding: identity
   9 u7 O- d- J7 N1 h" R5 Y  Z9 ^/ a6 q
3. Accept-Language: en-us,en;q=0.5
   2 I' R$ p4 Y" I1 q: t: S
4. Dnt: 1
   5 T2 X8 |9 m/ Z5 _- O
5. Connection: close
   4 _$ Q9 _' I4 q4 s
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
   7 ^/ H7 g: k0 C2 e; U
8. Host: www.amazon.com
     d9 x' \7 h$ V8 P$ e2 i" X
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.

/ f, i$ Y' e$ y" ^( drequest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？
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
: q+ v# W. a2 b1 x你要采集哪些信息呢？是自己写的程序还是用其他软件？
) p0 S" S- Y8 u/ F) m: {如果只是产品描述、图片、review之类的，我觉得还行 ...

8 U! E7 O! v- _* X  ~6 [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。

4 r, g8 o) f/ B( p# Z2 k8 @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
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。

8 J. x5 \9 w, u  P, h9 ]/ m$ q; v我一般是对那些模板变更了的产品直接跳过，比 ...

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
8 |% b2 s% G7 u# E, ?, S
8 @3 J: z* W( R! e9 s5 }" ^- Y$ d4 s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
# ]9 q/ S, x6 H* ?: Z
感觉amazon在不断的调整前端设计

阿百川

goog1e 发表于 2013-5-16 09:09
) ]# f9 U6 h2 v& q; A. A% t. m同一个产品也返回不同的模板,应该不会吧

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
: X) J0 h+ E1 ^- R( }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

, K/ q0 _. j0 K3 X) }# 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
/ d9 h# ~, B& G# H5 Y( z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
. T2 N4 ~) d- \4 j  Wwhile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