首页
/ 使用Crawl4AI高效抓取亚马逊商品大图的技巧

使用Crawl4AI高效抓取亚马逊商品大图的技巧

2025-05-02 19:29:06作者:余洋婵Anita

在电商数据采集过程中,获取商品的高清大图是一个常见需求。本文将以Crawl4AI项目为例,详细介绍如何解决动态加载图片的抓取难题。

问题背景

在抓取亚马逊商品页面时,开发者经常遇到只能获取缩略图而无法直接获取大图的问题。这是因为亚马逊采用了动态加载技术,只有当用户交互(如鼠标悬停或点击)后,大图才会被加载到页面中。

技术原理分析

亚马逊商品页面的图片展示采用了典型的"懒加载"技术:

  1. 页面初始加载时只显示缩略图
  2. 当用户与缩略图交互时,通过JavaScript动态加载对应的大图
  3. 大图URL通常包含特定标识如"SX679_"等特征

解决方案实现

使用Crawl4AI时,我们可以通过注入自定义JavaScript代码来模拟用户交互行为:

async def main():
    async with AsyncWebCrawler(
            headless=False,
            verbose=True,
    ) as crawler:
        result = await crawler.arun(
            url="亚马逊商品URL",
            cache_mode=CacheMode.BYPASS,
            js_code = """
                const delay = ms => new Promise(resolve => setTimeout(resolve, ms));
                
                window.scrollTo(0, 0);

                async function clickWithDelay() {
                    const items = document.querySelectorAll('#altImages .a-button.a-button-thumbnail');
                    
                    for (let item of items) {
                        item.click();
                        await delay(1000); 
                    }
                }

                clickWithDelay();            
            """,
        )
        
        for img in result.media['images']:
            if img['src'].startswith('https://m.media-amazon.com/images/I/') and img['src'].endswith('.jpg') and 'SX679_' in img['src']:
                print(img['src'])   

if __name__ == "__main__":
    asyncio.run(main())

关键点说明

  1. 页面滚动处理:通过window.scrollTo(0, 0)确保图片区域在可视范围内
  2. 元素选择器:使用#altImages .a-button.a-button-thumbnail准确找到缩略图按钮
  3. 延迟控制:每个点击操作后等待1秒,确保大图加载完成
  4. URL过滤:通过特定前缀和后缀模式识别真正的大图URL

最佳实践建议

  1. 对于不同电商平台,需要调整选择器和URL匹配规则
  2. 适当增加延迟时间,确保网络较慢时也能完整加载
  3. 结合headless模式进行批量抓取时,建议先进行小规模测试
  4. 定期检查选择器是否仍然有效,电商网站经常更新前端代码

通过这种方法,开发者可以稳定可靠地获取商品高清大图,为后续的图像分析、商品比对等应用提供高质量数据源。

登录后查看全文
热门项目推荐

项目优选

收起
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
176
261
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
860
511
ShopXO开源商城ShopXO开源商城
🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
93
15
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
129
182
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
259
300
kernelkernel
deepin linux kernel
C
22
5
cherry-studiocherry-studio
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
596
57
CangjieCommunityCangjieCommunity
为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.07 K
0
HarmonyOS-ExamplesHarmonyOS-Examples
本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
398
371
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
332
1.08 K