3分钟上手!外卖爬虫神器:自动抓取美团/饿了么订单的终极指南 🚀
你是否还在手动查询外卖平台订单?试试 waimai-crawler——这款开源外卖爬虫工具能定时自动抓取美团、饿了么的商家订单,让数据收集效率提升10倍!本文将带你快速掌握安装配置全流程,零代码基础也能轻松上手。
📌 核心功能:为什么选择这款外卖爬虫?
waimai-crawler 是专为外卖商家打造的自动化数据采集工具,核心优势包括:
✅ 多平台支持:覆盖美团、饿了么两大主流外卖平台
✅ 定时任务:自动按设定频率抓取订单,无需人工干预
✅ 数据导出:支持邮件推送订单数据,方便财务统计
✅ 轻量化设计:纯JavaScript开发,配置简单,占用资源少
项目结构清晰,核心逻辑位于 lib/fetch_task.js,平台适配代码分别在 lib/meituan_task.js(美团)和 lib/eleme_task.js(饿了么)。
🚀 零基础安装:3步快速启动
1️⃣ 准备环境
确保已安装 Node.js(建议v14+),然后克隆仓库:
git clone https://gitcode.com/gh_mirrors/wa/waimai-crawler
cd waimai-crawler
2️⃣ 安装依赖
在项目根目录执行:
npm install
(依赖配置文件:package.json)
3️⃣ 启动服务
开发环境直接运行:
node index.js
生产环境可使用脚本:
sh pro.sh
⚙️ 关键配置:3个必须修改的文件
🔑 平台账号配置
编辑 config/development.json(开发环境)或 config/production.json(生产环境),填入外卖平台账号信息:
{
"meituan": {
"username": "你的美团账号",
"password": "你的美团密码"
},
"eleme": {
"username": "你的饿了么账号",
"password": "你的饿了么密码"
}
}
🕒 定时任务设置
修改 lib/fetch_task.js 中的定时规则(默认每30分钟抓取一次):
// 示例:每60分钟执行一次
setInterval(() => {
fetchAllOrders();
}, 60 * 60 * 1000);
📧 邮件接收配置
在配置文件中添加SMTP信息,用于接收订单通知:
"mail": {
"smtpHost": "smtp.qq.com",
"smtpPort": 465,
"user": "你的邮箱@qq.com",
"pass": "邮箱授权码",
"to": "接收订单的邮箱"
}
🚨 常见问题解决
Q:抓取失败提示"验证码错误"?
A:目前项目未集成验证码自动识别,需手动处理。可尝试修改 lib/util.js 中的验证码处理逻辑。
Q:如何查看日志?
A:日志文件由 lib/logger.js 管理,默认输出到控制台,可扩展为文件存储。
Q:支持百度外卖吗?
A:旧版代码包含 lib/baidu_task.js,但百度外卖已停运,建议注释该模块调用。
📝 使用协议与注意事项
本项目基于MIT协议开源(详见 LICENSE 文件),仅用于学习交流。使用时请遵守:
- 不得高频抓取,避免对平台服务器造成压力
- 仅抓取自己店铺的订单数据,保护用户隐私
- 生产环境建议联系平台申请官方API接口
合理使用工具,让外卖运营更高效! 🌟
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00