- query
- Die Vistaprint-URL, die Sie übermittelt haben, in jeder Zeile wiederholt, damit ein Export über viele Produkte trennbar bleibt. In allen unseren Zeilen stimmte sie exakt mit
url überein. - sku_code
- Der Produktcode. Auf beiden echten Zeilen war er identisch mit
sku, in der Form PRD- gefolgt von acht alphanumerischen Zeichen. Zwei Identifikator-Spalten, ein Wert - nehmen Sie eine der beiden, prüfen Sie aber beide, wenn Sie verknüpfen, denn in dieser Schema-Familie werden sie unabhängig gefüllt. - product_url
- Vorgesehen für die kanonische Produktseite. Nehmen Sie stattdessen
url. - name
- Der Produkttitel, wie die Seite ihn nennt - „Standard Business Cards“ auf einer unserer Zeilen, „VistaPrint® Printed Baseball Cap“ auf der anderen. Beachten Sie das Markenzeichen: es steht so in der Quelle und überlebt bis in die Zelle.
- description
- Die Marketing-Beschreibung der Seite, auf unseren Zeilen rund 150–180 Zeichen. Es lohnt sich, sie zu lesen statt zu verwerfen: auf der Visitenkarten-Zeile war die einzige Preisinformation im gesamten Datensatz eine Formulierung in diesem Text, keine Zahl in einer Preisspalte.
- parsed_price
- Vorgesehen für den Preis als reine Zahl. Siehe den Hinweis unter der Tabelle.
- price
- Vorgesehen für den Preis wie angezeigt.
- currency
- Vorgesehen für die Währung, in der der Preis angegeben ist.
- availability
- Vorgesehen für den Lagerstatus. Auftragsdruck kennt keinen Lagerstand, wie Lagerware ihn kennt.
- rating
- Die Durchschnittsbewertung, und eines der Felder, das tatsächlich zurückkommt - „4.7“ und „4.3“ auf unseren beiden Zeilen. Sie kommt als Zeichenkette an, nicht als Zahl, wandeln Sie sie also um, bevor Sie danach sortieren.
- reviews
- Vorgesehen für die Anzahl der Rezensionen. Auf beiden echten Zeilen leer, obwohl die strukturierten Daten der Produktseite neben der Bewertung sehr wohl eine Rezensionszahl veröffentlichen. Wir halten das als Lücke fest, statt es wegzuerklären.
- images
- Jedes Bild, das die Seite trägt. Auf beiden echten Zeilen identisch mit
image. Nicht an Kommas trennen - die Kommas gehören zur Cloudinary-Transformation. - brand
- Hersteller oder Marke. Auf beiden unserer Zeilen „Vistaprint“, was man von einer Eigenmarken-Druckerei erwartet; behandeln Sie einen abweichenden Wert als Information und nicht als Fehler.
- sku
- Die Artikelnummer. Auf beiden echten Zeilen identisch mit
sku_code, und der nützlichste Verknüpfungsschlüssel im Datensatz - es ist genau der Wert, den die strukturierten Daten der Produktseite als ihre SKU veröffentlichen. - url
- Die Adresse, aus der die Zeile entstanden ist. In jeder Zeile, die wir haben, gleich
query, woran Sie sehen, dass diese Anfragen ohne Weiterleitung beantwortet wurden. - image
- Das Hauptbild für sich. Eine Cloudinary-URL auf
cms.cloudinary.vpsvc.com, die einen gerenderten Vorschau-Aufruf von rendering.documents.cimpress.io umschließt - das Bildmaterial wird auf Anfrage erzeugt und nicht als Foto gespeichert. Eines unserer Bilder lief über 1.697 Zeichen, eine Spalte fester Breite schneidet es also ab. - status
- Ein Kennzeichen je Zeile, geschrieben von unserem Exporter und nicht von Vistaprint. Über unsere acht Läufe hinweg nahm es vier Werte an:
ok, blocked (needs residential proxy), no product data found und http 404. Gleichen Sie über diese Spalte ab und nicht über die Zeilenzahl.
Warum die vier Preisspalten leer sind, klar gesagt. Wir haben acht Läufe; zwei lieferten echte Vistaprint-Produktzeilen, und in beiden waren price, parsed_price, currency und availability leere Zeichenketten. Das ist kein Fehler des Scrapers. Ruft man eine der beiden Produktseiten direkt ab, kommen rund 745–843 KB serverseitig gerendertes HTML zurück, dessen ld+json einen Product-Block mit Name, Beschreibung, SKU, MPN und Marke enthält - und keinen Angebots-Knoten und keinerlei Preis. Vistaprint kalkuliert nach Menge, Material und Veredelung, es gibt also keinen einzelnen Produktpreis, den die Seite veröffentlichen oder den wir lesen könnten. Bewertung und SKU in genau diesen strukturierten Daten stimmen exakt mit unserem Export überein, daran erkennen wir, dass die Zeilen echt sind und kein Parser-Zufall. Wenn Ihre Arbeit Vistaprint-Preise braucht, liefert dieser Dienst sie nicht, und keine Einstellung ändert das.