采集amazon经常返回不同的模板，求解决

阿百川 · 发表于 2013-5-14 17:55:44

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

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

河小马 · 发表于 2013-5-15 01:10:30

lz 给个request 看下

阿百川 · 发表于 2013-5-15 06:27:03

河小马发表于 2013-5-15 01:10 * c/ x' U. F. }
lz 给个request 看下

GET http://www.amazon.com/gp/dp/B00BZ9NOUS HTTP/1.10 }* k# b, O! Y! S7 N) I1 a
Accept-Encoding: identity
$ p; i+ I% s1 g( M5 H
Accept-Language: en-us,en;q=0.54 Y/ [9 ], N. w8 i# N: k8 w
Dnt: 1
0 g1 J: Y P' @: C/ ~( A
Connection: close
3 N8 b4 w6 ]7 w) J5 |8 t, E& z
Accept: text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8+ k* L* ?. D. `! b7 C7 g4 ]
User-Agent: Mozilla/5.0 (Windows NT 6.1; rv:15.0) Gecko/20100101 Firefox/15.0
: [! K; W. d* p+ }' m3 [2 E) e- g
Host: www.amazon.com
+ M( M$ r9 ~6 {: F7 q+ c% Y
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 · 发表于 2013-5-15 19:38:01

可能是useragent的问题.

阿百川 · 发表于 2013-5-15 19:51:43

goog1e 发表于 2013-5-15 19:38
! b0 ?' c2 _) p3 l6 c5 d- c& d可能是useragent的问题.

request已经包含ua了

joul · 发表于 2013-5-15 23:26:16

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 · 发表于 2013-5-16 06:56:50

joul 发表于 2013-5-15 23:26 ' N& ^3 H, W2 h4 Q. a& o
你要采集哪些信息呢？是自己写的程序还是用其他软件？# y& \$ @( x7 R, w- P. @
如果只是产品描述、图片、review之类的，我觉得还行 ...

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 · 发表于 2013-5-16 07:36:48

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。

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 · 发表于 2013-5-16 08:26:02

joul 发表于 2013-5-16 07:36 0 j& p% T& T" K4 K
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。, z# S- y" f/ B# S; s

" M" e/ u& G/ k% Z9 {5 Q2 }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 · 发表于 2013-5-16 09:09:32

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
比如图书和衣服类的商品

感觉amazon在不断的调整前端设计

阿百川 · 发表于 2013-5-16 09:57:45

goog1e 发表于 2013-5-16 09:09 . t" z. M' P+ }0 w
同一个产品也返回不同的模板,应该不会吧
& \5 o. x1 {; }# V- r# l% w7 P& k# k/ J c7 r1 T' W6 j4 _. e' _
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 · 发表于 2013-5-16 12:07:02

自己开发的API采集还是用的什么工具？

joul · 发表于 2013-5-16 12:15:08

阿百川发表于 2013-5-16 09:57 0 O: G- T7 {& p$ u% L# G
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

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 · 发表于 2013-5-16 12:19:02

阿百川发表于 2013-5-16 08:26
$ U7 L" O: K8 Z4 d5 `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 · 发表于 2013-5-16 15:38:38

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

		自动登录	找回密码
密码			立即注册