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

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

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
   1 Z- d/ ]: t/ w! x& K
2. Accept-Encoding: identity
   8 w) _" I+ R6 R$ Q& ]7 k8 g6 R
3. Accept-Language: en-us,en;q=0.5
   
4. Dnt: 1
   
5. Connection: close
   7 X- c/ m/ i: Q# M, g
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
   
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.

4 R( V. s+ i- G* e, ]/ x2 O  @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？
' v  M) K2 O. b7 t" J9 Y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
1 V8 f+ j0 Q. f7 A5 ?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 ...

7 w) h9 f$ F* i' J, P, J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。
/ [  R" s- x: t9 C" _
- N2 S' P- r1 `% r2 x1 O7 }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。
7 `& T4 A7 e9 _  O4 V. x) o
; _! u: C' K; M( Z. h; e我一般是对那些模板变更了的产品直接跳过，比 ...

$ v( ~9 Z  ^7 h# H4 {( r  T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
7 M2 N8 D5 k4 }: B+ ^9 B
9 ?1 l5 G$ X. P( h$ D不同类别的商品模板相差很大的
9 E/ `0 a/ J$ i$ |比如图书和衣服类的商品
; O: E: c) n  p9 R
感觉amazon在不断的调整前端设计
0 o% x! A9 W: }- S

阿百川

goog1e 发表于 2013-5-16 09:09
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
# E0 ^7 J% w' x7 h" a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

* p" B$ S: M  d8 B9 b2 H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
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
* z. s- x3 I  x( m6 Zwhile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。 ...

% o5 c: ^/ E, G& C1 o有几个规则不好处理，如果加上了效率反而比while还低