淘宝卖家数据采集

淘宝卖家数据采集在淘宝网中，我们搜索一款商品后，往往会有多个卖家提供该商品。

当我们需要批量获取这些卖家数据时，需要如何操作呢？如果您有编程能力可以通过自编写爬虫程序来实现。

若没有，可选用款成熟的爬虫软件。

下面我们选用八爪鱼采集来进行操作演示。

首先会为大家讲解，我们拿到一个数据采集需求时，如何去分析需求；怎样设计采集流程；最后制作并调试采集规则。

希望大家可以建立一套通用采集逻辑，明白基本的操作思路。

操作思路：采集网站：https:///search?app=shopsearch&q=江小白&isb=0&shop_type=&ratesum=本文以“江小白”为关键词先在淘宝网进行店铺搜索，然后店铺类型选择“淘宝店”。

最后以此时的网址为采集网址，放入八爪鱼中进行任务制作并采集数据。

大家在采集其他店铺时，可以更换搜索关键词，然后将生成的网址复制黏贴到八爪鱼中进行使用。

采集内容：店铺名称，店铺ID，店铺类型，宝贝数，商品销量，店铺省份，店铺城市，店铺旺旺号。

使用功能点：●∙数据格式化●∙添加特殊字段●∙XPath●∙滚动页面●∙Ajax超时步骤1：创建淘宝卖家信息采集任务1）进入主界面，选择“自定义采集”淘宝卖家信息采集步骤12）将要采集的网址URL复制粘贴到网站输入框中，点击“保存网址”淘宝卖家信息采集步骤2步骤2：创建翻页循环1）打开网页之后，找到页面最下方的“下一页”创建翻页循环，如下图淘宝卖家信息采集步骤3点击下一页，在操作提示中选择循环点击下一页，以此生成循环翻页。

注意：有时点击下一页并不会出现循环点击下一页，但若此时出现循环点击单个链接,则可以选则循环点击单个链接（或元素），其功能和循环点击下一页相同。

淘宝卖家信息采集步骤4步骤3：创建循环列表1）将鼠标移动到页面上方（蓝色表示点击后会选中的元素），选择页面某一行数据（包含的字段进可能全），如图蓝色部分，然后点击。

淘宝卖家信息采集步骤52）点击后继续选择下一行同类型的数据，如图:淘宝卖家信息采集步骤6再次点击，操作提示中出现已选中XX个元素，以下是列表。

此时点击采集以下元素。

淘宝卖家信息采集步骤73）至此循环列表创建完毕。

淘宝卖家信息采集步骤8步骤4：提取数据设置1）自动生成的数据字段会将匹配到的文本和链接都抓取上，其中不需要的字段可点击选中后删除。

淘宝卖家信息采集步骤9注：若太多字段是自己不需要的，可点中某一个字段后，同时按住键盘上的Ctrl 和A，即可选中全部字段，然后点击下方的“删除数据字段”。

淘宝卖家信息采集步骤10删除字段后再一个个选择自己需要的字段。

如图，选中后点击，然后需求选择“采集该链接的文本”或“采集该链接地址”还是“采集该元素的文本”。

此时一般不要点击“选中全部”，点“选中全部”后会再生成一个循环提取数据。

之前步骤3中的操作已建立好了循环列表。

故不需要再次建立。

淘宝卖家信息采集步骤112）删除不需要字段（或点击采集所需字段）后，对现有字段进行重命名。

淘宝卖家信息采集步骤123）命名后检查字段发现部分字段缺失。

如“城市”“店铺ID”“店铺类型”。

淘宝卖家信息采集步骤134）对于“城市”，检查页面发现在第三行数据中有相应信息。

则先在循环列表的循环项中选中第三项（蓝色表示已选中），然后再点击提取数据。

淘宝卖家信息采集步骤14淘宝卖家信息采集步骤151）选中第三项进行提取时发现其省份和城市在一起，无法单独提取。

如需分成两个字段，则需要进行数据格式，通过正则表达来实现。

2）选中字段后点击下方的自定义数据字段。

淘宝卖家信息采集步骤163）数据格式化操作参照请参考下方动图。

如需完整的格式教程请参考：/tutorialdetail-1/gshsj_7.html淘宝卖家信息采集步骤174）对于“店铺ID”，先弄清楚“店铺ID”是个什么类型的数据，然后页面上未展现，则看看网页源码里是否有这个数据。

百度后可知“店铺ID”是shop后接一串数字的数据，如“shop123123123”。

查看源码，发现可以找到该信息。

5）准备工具：火狐浏览器（54版或之前版本），安装firebug和firepath插件。

其他工具能查看源码斌顺利写XPath也可以。

A. 在浏览器中打开网页，然后找到对应的数据区域B. 逐个检查该区域源码，找到符合要求是数据。

淘宝卖家信息采集步骤18C. 根据目标数据——点评ID，所在位置写出其XPath路径。

此处的XPath路径为：//li/a[@trace="shop"]淘宝卖家信息采集步骤199）点击网页图片选择抓取图片地址（选择其他的也可以，重点是生成一个数据字段并含有相对XPath）。

淘宝卖家信息采集步骤2010）选择自定义字段，对该字段进行XPath和提取方式的修改。

淘宝卖家信息采集步骤21A.修改XPath，选择“自定义元素定位方式”，然后将相对XPath替换为之前在浏览器中写好的XPath——//li/a[@trace="shop"]淘宝卖家信息采集步骤22淘宝卖家信息采集步骤23淘宝卖家信息采集步骤24B：修改该字段的抓取方式，选择“自定义抓取方式”淘宝卖家信息采集步骤25此处选择“抓取超链接（A标签的href）”，因为该店铺ID 在其href属性下。

如果我们需要的数据在其他属性中，也可以通过上方的“抓取元素的指定属性值”来获取。

要是均不能获取到，则选择抓取网页源码。

选择完毕后点击下方“确定”进行保存。

淘宝卖家信息采集步骤2612）对数据进行格式化处理淘宝卖家信息采集步骤27A.选择“正则表达式匹配”淘宝卖家信息采集步骤28B. 再选择使用正则工具淘宝卖家信息采集步骤29C. 以“shop”为开始并包含“shop”，以“.”为结束标志。

生成正则表达式后即可进行应用，然后点确定保存。

淘宝卖家信息采集步骤3013）对于“店铺类型”，网页和源码中无此字段。

我们可以设置固定值来增加该字段。

选择“添加特殊字段”→“添加固定字段”→输入值“白酒”→“确定”保存。

淘宝卖家信息采集步骤3114）调整字段顺序后点击“开始采集”进行本地采集测试。

淘宝卖家信息采集步骤32步骤5：采集与调试1）选择“启动本地采集”淘宝卖家信息采集步骤332）仔细观察本地采集时的运行情况。

淘宝卖家信息采集步骤34发现：1. 采集量过少，出现漏数据。

第一页明明有20条数据，实际只采集到6条。

原因：网页是滚动下拉加载数据，页面加载到下方才会展现相应的数据。

解决方法：在“打开网页”和“点击翻页”的高级选项中设置“滚动页面”，次数，间隔，方式应根据网站的实际加载情况来设置。

淘宝卖家信息采集步骤352. 采集出现大量重复数据，仔细观察采集情况发现其一直在一二页来回采，手动执行流程也发现第二次点击翻页后，页面跳回了第一页。

原因：循环翻页的XPath不对解决方法：修改翻页循环的XPath，以求在每一页（除最后一页）均内定位到“下一页”，在分析网页源码后写出正确的XPath为：//li/a[@trace="srp_bottom_pagedown"]将此XPath替换循环原有XPath。

此类问题可在教程中心搜索“一二页重复”一获得更详细的教程。

淘宝卖家信息采集步骤36淘宝卖家信息采集步骤373. 采集速度过慢，页面在翻页后要等待较长时间（超过两分钟）才会执行下一步操作。

原因：网页打开慢，八爪鱼未能检测到页面加载完全的从而接收不到执行下一步的信号，故会按一个默认时间（两分钟）进行等待。

解决方案：对“点击翻页”设置ajax超时，使八爪鱼提前获得信号，强制进行下一步操作，从而提高采集速度。

Ajax超时时间请根据所需数据加载完的时长来设置。

本例设置如下：淘宝卖家信息采集步骤383) 问题解决，流程调试完成后再次启动本地采集。

淘宝卖家信息采集步骤394）采集完成后，会跳出提示，选择“导出数据”，选择“合适的导出方式”，将采集好的数据导出, 这里我们选择excel作为导出为格式，此时淘宝卖家信息就顺利导出来，数据导出后如下图：淘宝卖家信息采集步骤40至此，整个采集完成！授人以鱼不如授人以渔----作者按本文来自于：/tutorialdetail-1/tbmjinfocj.html相关采集教程：淘宝网宝贝采集器：/tutorialdetail-1/cjtbsp-7.html淘宝评价采集教程：/tutorialdetail-1/tbgoodspl.html淘宝聚划算商品采集：/tutorialdetail-1/tbjhsspcj.html淘宝买家秀图片采集：/tutorialdetail-1/tbmjxpic.html大众点评商家数据采集：/tutorialdetail-1/dzdp2_7.html美团商家数据采集：/tutorialdetail-1/mtsj_7.html八爪鱼——100万用户选择的网页数据采集器。

1、操作简单，任何人都可以用：无需技术背景，会上网就能采集。

完全可视化流程，点击鼠标完成操作，2分钟即可快速入门。

2、功能强大，任何网站都可以采：对于点击、登陆、翻页、识别验证码、瀑布流、Ajax脚本异步加载数据的网页，均可经过简单设置进行采集。

3、云采集，关机也可以。

配置好采集任务后可关机，任务可在云端执行。

庞大云采集集群24*7不间断运行，不用担心IP被封，网络中断。

4、功能免费+增值服务，可按需选择。

免费版具备所有功能，能够满足用户的基本采集需求。

同时设置了一些增值服务（如私有云），满足高端付费企业用户的需要。