Парсинг китайских интернет магазинов (dealextrem.com,tinydeal.com)

Здравствуйте,мучаюсь 2й день ни как не могу понять как просканировать на ссылки с товаром китайские магазины указанные в названии темы , вот ссылка главной страницы сайта :
Ссылки недоступны для гостей
вот ссылка категории :
Ссылки недоступны для гостей
а вот ссылка товара в категории:
Ссылки недоступны для гостей
Помогите просканировать ссылки магазина если не целиком то хотя бы по категории.

 

Вы тогда на примере Ссылки недоступны для гостей пожалуйста снимите видео!

 

Вот проект, ссылки забираешь таким вот образом.

Вот проект, для собирания ссылок.

Для другой категории тоже сгодится. Все категории не проверял, только несколько, но думаю, для большинства подойдёт.

 

Спасибо конечно,но это я как понял только ссылки находит на категории,а как из них уже страницы с описанием товара вытягивать ?

 

Что просил, то и получил.

 

Простите меня за невнимательность,но все же объясните пожалуйста как получить ссылки на товар,я не могу понять за что там ухватиться
Ссылки недоступны для гостей вот ссылка категории:
а вот ссылки на сам товар,помогите настроить фильт ссылок так ,чтобы находило такого рода ссылки.
Ссылки недоступны для гостей
Ссылки недоступны для гостей
Ссылки недоступны для гостей

 

Посмотри чуть выше, я приложил во вложении настроенный проект. Настроен на парсинг именно ссылок с этого сайта. Контент надо настраивать отдельно, но там, насколько я понял, только картинки

1. В разделе "Ссылки", надо задать диапазон ссылок нужной категорий
2. Получить ссылки страниц конкретной категории
3. Получить ссылки самих товаров

 

Допустим с категориями разобрался,а как например с этой страницы ссылки на товар вытянуть как фильтр настроить ? Ссылки недоступны для гостей
П.С. вы извините если что,просто я ни разу не сталкивался с таким типом работы,для меня все эти "srgasrio3rfsdfg434" не читаемы =)

 

Извините,но не могли бы вы сделать проект по парсингу товара из tinydeal.com/ru ? или снять обучающее видео где пошагово все объясните ?

 

Я же тебе несколько сообщений тому назад, дал готовый проект

Я же тебе несколько сообщений тому назад, дал готовый проект
Ссылки недоступны для гостей
Создавать видео нет смысла, всё уже давно создано разработчиком программы.
Если нужен полный проект,- пиши в личку.

 

Ребята, а кто нибудь может поделиться собранными ссылками с tinydeal ? Отблагодарю
mobile_trade@mail.ru

 

Дело в том , что при любом сборе ссылок, и по категориям и так собирается много дублей , например :

Ссылки недоступны для гостей
Ссылки недоступны для гостей
Ссылки недоступны для гостей
Ссылки недоступны для гостей
Ссылки недоступны для гостей

 

По сути ссылка ведет на один товар , но ссылки разные

 

Берем категорию где 2600 ссылок , а в итоге получаем 3600

 

Надо на китайцев жалобу накатать

Прежде всего, nautilus, не надо создавать лишние сообщения, можно в одном всё изложить, либо отредактировать, добавить новые мысли.

Далее

Надо на китайцев жалобу накатать в департамент парсинга при ООН. И вообще, потребовать от них прайс-лист, в CSV-формате, или XML всего сайта.

А если серьёзно, то со многими сайтами приходится иногда долго возиться, чтобы получить нужно. В данном случае, надо было внимательнее смотреть видео, там показано, где, как и откуда получить ссылки. Те ссылки что здесь представлены, одинаковые, потому что не там собирались. Надо зайти в нужную категорию, и уже там смотреть навигацию, из которой взять ссылки. Например:

_http://www.tinydeal.com/ru/iphone-ipod-ipad-c-85.html
Это - iPhone, iPod и iPad
Здесь мы видим что нам предоставлено 59 страниц навигации
_http://www.tinydeal.com/ru/iphone-ipod-ipad-c-85.html?page=59&sort=20a&disp_order=18&language=ru
Выделено красным.

1. Нам, фактически нужно взять эту ссылку (на видео это показано и хорошо видно), из неё извлечь циру 59 (это количество страниц), и проставить вместо цифр, с помощью F2 - {num}. Сами цифры прописать в окошко диапазона ссылок (второе, на видео тоже видно). Затем нажать на "ДЖобавить ссылки", выбрать "Используя диапазон". И будут получены ныжные ссылки НО, на страницы с перечнем товаров.

2. Чтобы получить ссылки на сами товары, надо перейти во вкладку "Ссылки", и настроив "Фильтр ссылок" получить уже ссылки на сами товары. Как это делается, на видео тоже показано, хотя и не все варианты.

Чтобы правильно настроить фильтр, надо внимательно изучить ссылки на товары, и найти закономерность, которая в товарах присутствует, а на страницах каталога их нет. На этом сайте закономерности такие:
- ссылки на товар двухуровневые, значит, выставляем этот параметр
- Ссылки на товар должны оканчиваться на .html

Опыт показывает, что с данным сайтом такие закономерности найти сложно, и тех, что мы нашли, недостаточно, для того, чтобы получить чистые ссылки. Значит, далее ищем то, что не должно содержаться в ссылках, и проставляем во второе окошко.
- например, ? - вопросительный знак. Его, не бывает в ссылках на товар
- также знак = его тоже не бывает

Ну, и так далее. Иногда, достаточно найти одну-две закономерности, чтобы можно было спарсить ссылки в чистом виде, иногда приходиться ещё искать. Но, как говорят, кто ищет тот всегда найдёт (иногда, правда, на свою голову).

 

Беру ссылки с категории , так как показано на видео
Ни одной ссылки с чистым .html нет, все с хвостами.

Ссылки недоступны для гостей
Ссылки недоступны для гостей
Ссылки недоступны для гостей
Ссылки недоступны для гостей
Ссылки недоступны для гостей
Ссылки недоступны для гостей
Ссылки недоступны для гостей
Ссылки недоступны для гостей
Ссылки недоступны для гостей
Ссылки недоступны для гостей

Если в фильтре поставлю = или ? , то не найду ни одной ссылки.

Выход нашел только один , отрубать хвосты и удалять дубли , но это не решение проблемы, т.к. сколько времени потребуется на все эти манипуляции с 500 000 ссылок.

 

Надо Задать сначала "сканер сайтов" без фильтров, посмотреть какие вообще ссылки выдаются на сайте, а потом искать закономерности

Это был просто пример, а не решение

Это тоже было показано на видео

К сожалению, с некоторыми сайтами приходится долго возиться. тут выход один,- либо потеешь, либо ищешь другой сайт. На этом, в самом деле очень много товаров.

 

Выход:
В фильтрах ссылок есть функция удаления лишних параметров (из-за которых создаются дубли): Ссылки недоступны для гостей
Времени мало, скажу навскидку: удалить параметр zenid