大揭秘！寫商品價格爬蟲必須知道的資料格式 - schema.org/Product

你想過電商那麼多，而且每個商品頁都長不一樣，比價網站是怎麼寫網頁爬蟲的嗎？

其實除了針對每個電商客製化爬頁解析程式之外，還是有 1 個公定的格式可以參考，那就是 https://schema.org/Product 。

schema.org 提供多種常見事物(thing)的資料結構，例如人(Person), 地點(Place), 商品(Product)都可以在 schema.org 中找到相應的資料結構，舉商品為例， price, brand, color, weight, width 等都在 https://schema.org/Product 中可以找到，有些電商網站會在商品頁嵌入遵從 schema.org/Product 格式的資料，所以可以輕鬆用 1 套程式通殺很多有遵從 schema.org/Product 格式的網站。（比價網站的工程師最愛這種 follow 標準的網頁啦～

當然 schema.org 也不止作用於此，如果你想設計一些資料庫相關欄位，也可以到這個網站查查有沒有類似的 schema 可以參考或是補漏，多少可以補足你可能不知道的部分。

所有的 schema.org 列表： https://schema.org/docs/full.html

【後話】

終極大絕招是直接跟電商要所謂的 product feed, 通常電商如果有跟 Google Ads 或者 Facebook 廣告配合的話，都會有一份遵守 Google 或 Facebook 格式的 feed 可以使用(CSV 或 XML 格式)，能拿到的話，又比寫爬蟲更加輕鬆了， pandas ㄧ下子就能打完收工⋯⋯。 至於電商給不給你這份資料那又是另一個維度的故事了⋯⋯。