Парсер сайтов и файлов (парсинг данных с сайта в Excel)

Структура программы «Парсер сайтов»

Надстройка Parser для Excel — простое и удобное решение для парсинга любых сайтов (интернет-магазинов, соцсетей, площадок объявлений) с выводом данных в таблицу Excel (формата XLS* или CSV), а также скачивания файлов.

Особенность программы — очень гибкая настройка постобработки полученных данных (множество текстовых функций, всевозможные фильтры, перекодировки, работа с переменными, разбиение значения на массив и обработка каждого элемента в отдельности, вывод характеристик в отдельные столбцы, автоматический поиск цены товара на странице, поддержка форматов JSON и XML).

 

В парсере сайтов поддерживается авторизация на сайтах, выбор региона, GET и POST запросы, приём и отправка Cookies и заголовков запроса, получение исходных данных для парсинга с листа Excel, многопоточность (до 200 потоков), распознавание капчи через сервис RuCaptcha.com, работа через браузер (IE), кеширование, рекурсивный поиск страниц на сайте, сохранение загруженных изображений товара под заданными именами в одну или несколько папок, и многое другое.

Поиск нужных данных на страницах сайта выполняется в парсере путем поиска тегов и/или атрибутов тегов (по любому свойству и его значению). Специализированные функции для работы с HTML позволяют разными способами преобразовывать HTML-таблицы в текст (или пары вида название-значение), автоматически находить ссылки пейджера, чистить HTML от лишних данных.

За счёт тесной интеграции с Excel, надстройка Parser может считывать любые данные из файлов Excel, создавать отдельные листы и файлы, динамически формировать столбцы для вывода, а также использовать всю мощь встроенных в Excel возможностей.
Поддерживается также сбор данных из текстовых файлов (формата Word, XML, TXT) из заданной пользователем папки, а также преобразование файлов Excel из одного формата таблицы в другой (обработка и разбиение данных на отдельные столбцы)

В программе «Парсер сайтов» можно настроить обработку нескольких сайтов. Перед запуском парсинга (кнопкой на панели инструментов Excel) можно выбрать ранее настроенный сайт из выпадающего списка.

Пример использования парсера для мониторинга цен конкурентов

 

Видеоинструкция

На видео рассказывается о работе с программой, и показан процесс настройки парсера интернет-магазина:

 

Дополнительные видеоинструкции, а также подробное описание функционала, можно найти в разделе Справка по программе

 

В программе можно настроить несколько парсеров (обработчиков сайтов).
Любой из парсеров настраивается и работает независимо от других.

Примеры настроенных парсеров (можно скачать, запустить, посмотреть настройки)

Видеоинструкция (2 минуты), как запустить готовый (уже настроенный) парсер

 

Настройка программы, - дело не самое простое (для этого, надо хоть немного разбираться в HTML)

Если вам нужен готовый парсер, но вы не хотите разбираться с настройкой,
— закажите настройку парсера разработчику программы. Стоимость настройки под конкретный сайт - от 1500 рублей.
(настройка под заказ выполняется только при условии приобретения лицензии на надстройку «Парсер» (2700 руб)

Инструкция (с видео) по заказу настройки парсера
По всем вопросам, готов проконсультировать вас в Скайпе.

 

Программа не привязана к конкретному файлу Excel.
Вы в настройках задаёте столбец с исходными данными (ссылками или артикулами),
настраиваете формирование ссылок и подстановку данных с сайта в нужные столбцы,
нажимаете кнопку, - и ваша таблица заполняется данными с сайта.

Программа «Парсер сайтов» может  быть полезна для формирования каталога товаров интернет-магазинов,
поиска и загрузки фотографий товара по артикулам (если для получения ссылки на фото, необходимо анализировать страницу товара),
загрузки актуальных данных (цен и наличия) с сайтов поставщиков, и т.д. и т.п.

 

Справка по программе «Парсер сайтов»

Можно попробовать разобраться с работой программы на примерах настроенных парсеров

Как скачать и протестировать программу

Комментарии

Илья, можем настроить под заказ, если у вас до сих пор не получилось.
Я не консультирую по вопросам настройки парсеров.

Игорь, здравствуйте! Повторю вопрос))) На сайте ссылки дублируются, одна находится в названии товара, вторая в его каталожном номере... Проблема в том, что эти ссылки находятся в одном блоке, с одинаковыми тэгами, отличаются только анкорами. Как можно реализвать удаление (не обработку) дублей? Или, чтоб как то парсер брал ссылки через 1 в пейджере?
Или такая функция не предусмотрена в парсере?

И еще такой вопрос, с чем может быть связано то, что с разными проходами по сайту получаются разные результаты, например первый проход - 3567 строчек, второй 8370 строк, третий 4000?

Здравствуйте! Подскажите, как парсер завершает работу? Наблюдаю следующую картину: excel перестает заполняться данными, висят 2 окошка парсера: "Инициализация исходных данных (00:00:01)" и "Обработка результатов 100%" и ничего не происходит, из активных кнопок только "отменить"

Добрый день, как можно симитировать нажатие на скриптовую ссылку (которая не содержит привычный тег a)? Необходимые данные выводятся в модальном окне.

Здравствуйте, Сергей.
Тут возможны 2 причины:
1. Что-то недоустановлено в системе. Найти и решить проблему сложно.
2. Парсер несовместим с office 2003.
У остальных программ и поддерживаю ещё пока совместимость с 2003 версией, а вот насчёт парсера уже и не помню, - там сложный функционал, возможно пришлось пожертвовать совместимостью (сейчас 2003 версию почти никто не использует). Рекомендую установить Office 2010.

Здравствуйте. На втором компе подряд не получается запустить триал парсера. Выдаёт ошибку "Compile error in hidden module: mod_Declaration". Оба компа Win7, Office 2003, файл разблокирован, безопасность: низкая.
Что я делаю не так?

Есть разные способы.
Либо брать все товары из главных категорий (вообще не перебирая вложенные), либо, если во вложенных категориях присутствуют товары, отсутствующие в родительских, то можно перебирать все категории, добавив проверку на их наличие.
Если сами не разберётесь, можем настроить под заказ.

Здравствуйте, подскажите, как парсить каталог, у которого разная вложенность карточек товаров? Например, одна категория находится catalog/dvs, другая catalog/hodovka/kolesa, и т.п.

Азамат, значит, сработала защита сайта.
Нужно настраивать решение капчи, или использовать прокси серверы.
В справке по программе написано и про одно и про другое.

Не загружает исходный код, выдает:
"Мы заметили подозрительную активность с вашего IP адреса.Чтобы подтвердить, что вы не робот, пожалуйста...."

Спасибо! Действительно ссылки дублируются, одна находится в названии товара, вторая в его каталожном номере... Проблема в том, что эти ссылки находятся в одном блоке, с одинаковыми тэгами, отличаются только анкорами. Как можно реализвать удаление (не обработку) дублей? Или, чтоб как то парсер брал ссылки через 1 в пейджере?
Еще раз спасибо)

Илья, в списке товаров (в разделах сайта) ссылки на товары дублируются (одна и та же ссылка в 2 экземплярах, - на названии товара, и на фото товара).
Надо брать только одну ссылку из каждого результата поиска, а вы берёте все.
Перенастроить легко.

Здравстуйте! Подскажите пожалуйста, в чем может быть проблема, настроил парсер, всё хорошо, но все позиции почему-то выводятся с дублями, т.е. сразу по 2 товара... В какую сторону копать? Спасибо)

Александр, на разных компьютерах съемному диску могут назначаться разные буквы.
Если не получается, сохраняйте в другую папку (например, на рабочем столе, - там точно проблем с доступом не будет)

Здравствуйте!
На одном из компьютеров перестали загружаться картинки с сайта, хотя папки для них парсер создает нормально. Пишет, что "Ошибка скачивания файла (попыток: 2)Не удалось скачать файл по ссылке: https://www.PPP.com/PPP.jpg Путь к создаваемому файлу: V:\PPP\IMG\6705_4.jpg"
На другом компьютере этот же файл и диск (переносной HDD) отрабатывают загрузку как положено. Подскажите в каком направлении копать... Доступы к папкам я уже дал максимальные.

Здравсвуйте, нет кнопки создать подуровень

Дима, попробуйте указать префикс пейджера /#
Ну либо можно другими способами получить список ссылок на страницы результатов.
Один из вариантов:
https://excelvba.ru/programmes/Parser/manuals/setting/procedure/pager/en...
Другие варианты можете поискать в комментариях к справке по этому действию:
https://excelvba.ru/programmes/Parser/actions/GetPagerLinks

Привет! Подскажите пожалуйста, если при настройке парсера в момент настройки "Пейджера", на сайте с которого я буду парсить, нет определяющего "суффикса". На вашем видео есть пример /_ofset_60html, у моего же сайта "суфикса" нет, phones/apple/3, phones/apple/4, phones/apple/5. Надеюсь понятно написал. Что мне делать в таком случае, что бы продолжить настройку парсера успешно?

Игорь, от того и не напоминал, что думал у вас и так голова забита, что в первую очередь сделать, что в третью, и элементарно не хотел быть назойливым, да и ваш ответ на мой взгляд звучал весьма не двусмысленно именно исходя из того, что последующие вопросы по функционалу имели весьма четкий ответ, что о подобном никто не просил, раз не просил и сам автор не видит нужды, то очевидно: нужно-реализую. Платите. А раз относительно указанной функции было вполне ясное "но могу добавить в следующих версиях программы"... а теперь оказывается, что и не "обещал", да и не нужна и снова платите... в таком случае спасибо, поищу этот макрос на три строки. Я не против платить, но простите не на каждый "чих". Не скажу что в безумные деньги выливается лично мое пользование программой, но потихоньку политика именно платы за каждый чих уже немного отталкивает. Нет, я все понимаю, время деньги, труд деньги, и все из этой области. Я даже как то смирился, без смены ПК а лишь переустановка Винды и снова деньги... но спасибо нет, значит обойдусь. И впредь воздержусь от вопросов и просьб.

Александр, вы не напоминали с тех пор мне больше, да и я не обещал что сделаю (просто сказал, что это можно реализовать)
Потому, я благополучно забыл об этой доработке (к тому же, за 5 лет ежедневной настройки парсеров, мне этот функционал ни разу не был нужен)
Если готовы оплатить доработку - сделаю. Потому что следующие обновления программы планируются нескоро, пока и так функционала более чем достаточно.
Запустить программу из парсера и сейчас можно, просто для этого нужно макрос написать из 3 строк. Т.е. необходимости в отдельной команде для этого действия пока не вижу.

Игорь, а не появилась еще возможность запускать *.exe или *.bat из парсера? (https://excelvba.ru/programmes/Parser#comment-10628) Каждое утро заглядываю сюда и читаю "историю изменений", обновления появляются, а заветной функции в описании пока нет... вот и подумал, вдруг о ней просто не упомянули :) Когда теоретически можно её ожидать? Спасибо.

Александр, формат ячеек в таблице замен не учитывается
Вводите в ячейки таблицы замен не 0004, а '0004
Тогда Excel поймет, что это значение такое нужно сохранить в ячейке

Большое спасибо за разъяснение относительно регистра. Но возникла досадная проблема в другом месте. Загружаю данные из текстового списка (*.txt со списком url), с применением шаблона, шаблон настроен "формат ячеек" - текстовый. Появилась необходимость воспользоваться "таблицей замен". Разобрался. Но неприятный нюанс. Нужно менять "слова" на "цифры", например: "Слово"--> "0004" а итог получается "4" без нолей, хотя "формат ячейки после загрузки информации по прежнему "текстовый". А в настройках "таблицы замен" невозможно выбрать "формат ячейки". Как можно решить данную проблему?

Александр, да, есть такое:
https://excelvba.ru/programmes/Parser/actions/StrConv

Скажите пожалуйста, а есть какой то инструмент, в обширных функциях парсера, который может сделать из "СЛОВО" или "слово" --> "Слово", то есть из полученного результата преобразовать в "Первая заглавная буква, остальные строчные"?

Здравствуйте, Иван
Если сами не справитесь с настройкой, можем настроить под заказ:
https://excelvba.ru/programmes/Parser/order

Добрый день. Я купил вашу настройку парсер, но не могу ей пользоваться. Она на ищет на указанном сайте текст. Ничего не найдено. Я на сайте odissei.uk как на видео, тоже ничего не найдено. Как мне быть, что я не так делаю?

Михаил, перенос активаций с одного компьютера на другой не предусмотрен, — это на сайте написано:
https://excelvba.ru/faq/InstallWindows
Это не халатное отношение, а условия использования моего продукта, описанные на сайте в FAQ, и в лицензионном соглашении (пункт 6.3): https://excelvba.ru/buy/EULA
И не советовал я вам купить новую лицензию, а предложил докупить активации для новых компьютеров (по 600 руб, что заметно дешевле покупки новой лицензии)

Купили мы как то у Игоря парсер. Сломался компьютер и лицензию перенести на новый не получается. Попросили Игоря, на что он ответил покупайте новую лицензию. Считаю это халатным отношением к своим клиентам. Будьте внимательны. Сломается пк не ждите что на новом пк все заработает без покупки еще раз.

Сергей, на некоторых сайтах надо иначе настраивать получение списка страниц результатов:
https://excelvba.ru/programmes/Parser/manuals/setting/procedure/pager/en...

Отправить комментарий

Содержание этого поля является приватным и не предназначено к показу.
CAPTCHA
Подтвердите, пожалуйста, что вы - человек:
 __   __         _____   _____    ____             
\ \ / / ___ |___ / |___ | / ___| _ __ ___
\ V / / _ \ |_ \ / / | | | '_ ` _ \
| | | __/ ___) | / / | |___ | | | | | |
|_| \___| |____/ /_/ \____| |_| |_| |_|
Введите код, изображенный в стиле ASCII-арт.