项目描述
翻译爬虫必须能够应对典型的真实障碍:通过JavaScript渲染价格的页面、软机器人保护、布局变化和产品页面结构的周期性变化。我希望为每个网站提供可定制的选择器,以便在商店重新设计时,可以修复一个目标,而不是重写代码。调度程序必须可靠且礼貌,分散请求以避免对一个网站的过度请求,并在负载失败时进行重试和清晰的日志记录。当跟踪的价格超过我设定的规则(低于阈值、低于我们的价格或变化超过指定百分比)时,系统必须通过电子邮件和消息发送警报,包含产品、旧值和新值以及直接链接。
我还需要一个简单的仪表板,可以查看每个产品的价格历史图表,比较我们的价格与竞争对手的价格,并将数据导出为CSV供采购部门使用。请描述您对爬虫稳定性的看法,您如何处理阻止自动访问的网站,以及您将如何使跟踪产品列表对非技术经理易于编辑。
— 按照可定制的竞争对手产品链接列表的时间表进行抓取
— 收集价格、可用状态和时间戳;存储完整历史记录
— 按规则(阈值、百分比变化、低于我们的价格)发送电子邮件和聊天警报
— 价格历史图表和并排竞争对手比较
— CSV导出和非技术人员可编辑的产品列表
— 重试、礼貌请求速度和清晰的失败日志记录