电商数据采集的方式方法||主流电商平台数据 采集API接口

电商数据采集的方法有哪些呢？我给大家分享一下我使用爬虫的个人经验，我们在采集类似电商数据网站的时候会遇到什么技术问题，然后再根据这些问题给大家分享采集方案。

我们平时说的采集网站数据、数据抓取等，其实不是真正的采集数据，在我们的职业里这个最多算是正则表达式，网页源代码解析而已，谈不上爬虫采集技术难度，因为这种抓取主要是采集浏览器打开可以看到的数据，这个数据叫做html页面数据。

比如您打开：www.baidu.com这个网址，然后键盘按F12 ,可以直接看到这个网址的所有数据和源代码，这个网站主要是提供一些爬虫技术服务和定制，里面有些免费新工商数据，如果需要采集它数据，你可以写个正则匹配规则html标签，进行截取我们需要的字段信息即可。

京东获得JD商品详情 API 返回值说明

item_get-获得JD商品详情  API 注册开通

jd.item_get

公共参数

名称	类型	必须	描述
key	String	是	调用key（必须以GET方式拼接在URL中）
secret	String	是	调用密钥
api_name	String	是	API接口名称（包括在请求地址中）[item_search,item_get,item_search_shop等]
cache	String	否	[yes,no]默认yes，将调用缓存的数据，速度比较快
result_type	String	否	[json,jsonu,xml,serialize,var_export]返回数据格式，默认为json，jsonu输出的内容中文可以直接阅读
lang	String	否	[cn,en,ru]翻译语言，默认cn简体中文
version	String	否	API版本

请求参数

请求参数：num_iid=10335871600

参数说明：num_iid:JD商品ID

响应参数

Version: Date:

名称	类型	必须	示例值	描述
item	item[]	0		获得JD商品详情

下面给大家总结一下采集类似这种工商、天眼、商标、专利、亚马逊、淘宝、app等普遍网站常用的几个方法，掌握这些访问几乎解决了90%的数据采集问题了。

「方法一：用python的request方法」

用python的request方法，直接原生态代码，python感觉是为了爬虫和大数据而生的，我平时做的网络分布式爬虫、图像识别、AI模型都是用python，因为python有很多现存的库直接可以调用，比如您需要做个简单爬虫，比如我想采集百度 几行代码就可以搞定了，核心代码如下：

import requests  #引用reques库

response=request.get(‘https://www.tianyancha.com/’)#用get模拟请求

print(response.text)  #已经采集出来了，也许您会觉好神奇！

「方法二、用selenium模拟浏览器」

selenium是一个专门采集反爬很厉害的网站经常使用的工具，它主要是可以模拟浏览器去打开访问您需要采集的目标网站了，比如您需要采集天眼查或者企查查或者是淘宝、58、京东等各种商业的网站，那么这种网站服务端做了反爬技术了，如果您还是用python的request.get方法就容易被识别，被封IP。

这个时候如果您对数据采集速度要求不太高，比如您一天只是采集几万条数据而已，那么这个工具是非常适合的。我当时在处理商标网时候也是用selenum，后面改用JS逆向了，如果您需要采集几百万几千万怎么办呢？下面的方法就可以用上了。

「方法三、用scrapy进行分布式高速采集」

Scrapy是适用于Python的一个快速、高层次的屏幕抓取和web抓取框架，用于抓取web站点并从页面中提取结构化的数据。scrapy 特点是异步高效分布式爬虫架构，可以开多进程 多线程池进行批量分布式采集。

比如您想采集1000万的数据，您就可以多设置几个结点和线程。

Scrapy也有缺点的，它基于 twisted 框架，运行中的 exception 是不会干掉 reactor（反应器），并且异步框架出错后 是不会停掉其他任务的，数据出错后难以察觉。我2019年在做企业知识图谱建立的时候就是用这个框架，因为要完成1.8亿的全量工商企业数据采集和建立关系，维度比天眼还要多，主要是时候更新要求比天眼快。