商城网站服务器爱站网影院

最近完成了1个爬虫项目，记录一下自己的心得。

项目功能简介

根据用户输入商品名称、类别名称，使用Selenium, BS4等技术每天定时抓取亚马逊商品数据，使用Pandas进行数据清洗后保存在MySql数据库中.

使用Django提供用户端功能，显示商品数据，以可视化的方式分析数据，以及数据抓取任务管理等。

项目技术难点：

1）亚马逊Anti-scrape 措施较多，主要是各类验证码，解决起来也不算复杂。但页面元素分析,javascript分析的工作量占据了大部分时间。
2）性能优化，执行任务采用多进程运行，每个进程中再使用异步方式同时发起多个请求，下载图片、保存数据库均为异步执行，以保证较高性能。
3）由于大部分页面需要通过selenium完成操作，无法采用scrapy框架，所以自己编写任务管理器，提供1次性任务、间隔任务、定时任务的管理、执行、监控等，以及通过回调函数来清洗数据。
4）Django模板中添加 Echarts Javascript 脚本进行图表绘制。由于时间短，未使用Vue方式，不过Django 模板 + Bootstrap 也基本满足了需求。
5）保持项目的扩展性：通过爬虫任务管理器满足用户的各类搜索需求。数据库分为原始数据以及清洗数据，中间的cleaning类可以随时扩展，
6）通用绘图接口功能： 由于绘图是通过模板中的javascript脚本完成，计划另写1套通用接口,将数据、绘图类型以参数方式传入，再向django 模板插入echarts绘图脚本,

合作说明

亚马孙的商品页面依据类别、用户所在地、收货地等不同而有所不同，但毕竟是大公司产品，其页面组织是规范的，因此本项目也很容易扩展。 如有对亚马逊数据分析的合作需求，留私信留言。