Macy's trabaja con cientos de marcas de moda, belleza, hogar y joyería, y las etiqueta con un vocabulario propio. Este servicio convierte las páginas de producto en una tabla: diecisiete columnas por artículo, con el precio guardado dos veces - una exactamente como se muestra y otra reducido a algo con lo que puedas calcular.
Casi todos los errores serios con datos de precios de grandes almacenes vienen de leer el número y descartar la palabra que hay al lado.
Macy's publica su propia política de precios, y es inusualmente explícita. Los precios Regular y Original se describen como precios de oferta - la mercancía se ofreció a ese precio en tiendas o en macys.com - y Macy's afirma sin rodeos que puede que un artículo no se haya vendido a él, así que un ahorro calculado contra ellos no prueba que nadie pagara la cifra más alta. Si construyes una métrica de profundidad de descuento a partir de un número tachado, eso es lo que estás midiendo: cómo presenta Macy's un precio, no cómo se movió un mercado.
El vocabulario también carga significado más allá de eso. Original, Closeout, Clearance, Now, Permanent Markdown y Just Reduced señalan todos una reducción permanente: un artículo marcado así no va a volver a su precio anterior. Everyday Value significa un precio bajo estable del que quedan excluidos promociones y cupones, que es un animal muy distinto de una rebaja. Dos artículos con el mismo número pueden estar contándote cosas opuestas sobre lo que va a pasar después.
Precisamente por eso la exportación guarda el precio dos veces. price es la cadena tal como se muestra, con símbolo de moneda y separadores incluidos; parsed_price es la misma cifra con el formato retirado para que ordene y sume correctamente. Calcula sobre parsed_price y conserva price, de modo que la presentación sobreviva hasta tus datos en vez de tirarse al analizar.
Lo apuntas a páginas de Macy's y te devuelve una tabla. No hay sintaxis de búsqueda que aprender.
Se factura por filas, así que acota la lista en Macy's antes de exportar y no después.
Estas son las columnas que declara la exportación de este extractor, en orden. Cada descripción explica para qué sirve la columna. Cuáles de las opcionales rellena de verdad un comercio concreto varía: marca, valoración, número de reseñas, descripción y disponibilidad están todas en el esquema y ninguna está garantizada en todas las páginas.
url; allí donde nuestras exportaciones de comercio han devuelto filas, los dos han coincidido, así que trátalos como un solo valor hasta que encuentres una página donde no lo sean.InStock y OutOfStock son los valores que han devuelto nuestras exportaciones de comercio. No todos los comercios lo publican, en cuyo caso la columna está vacía en vez de en falso.; para recuperar la lista.sku_code del comercio. En algunos comercios los dos son el mismo número; en otros son completamente distintos, así que no los trates como intercambiables.product_url.images. Cómoda cuando quieres una miniatura por fila y no una lista.Tres de estos pares parecen redundantes y solo uno lo es. product_url y url han coincidido allí donde nuestras exportaciones de comercio han devuelto filas. images e image son una lista y su primera entrada, lo que es una comodidad y no un duplicado. Pero sku_code y sku son de verdad dos identificadores distintos -el del comercio y el del fabricante- y en comercios que usan ambos no coinciden. Deduplica por el número propio del comercio, no por aquel en el que casualmente coincidieron tus diez primeras filas.
Los datos de grandes almacenes tienen una forma particular, y estas cuatro propiedades deciden qué puede sostener honestamente la exportación.
Las dos columnas de precio existen porque un precio mostrado y un precio numérico son objetos distintos. price llega como lo ve quien compra -símbolo de moneda, separador de millares-, lo cual es inútil para una hoja de cálculo e imprescindible para quien lee. parsed_price es el mismo importe sin nada de eso, así que ordena y promedia bien. Conserva ambas. Descartar la formateada al analizar es como una serie de precios acaba sin poder decir qué estaba mirando en realidad.
La propia política de precios de Macy's dice que los precios Regular y Original son precios de oferta, y que puede que un artículo no se haya vendido a ellos, así que los ahorros mostrados frente a ellos pueden no basarse en ventas reales de ese artículo. Es el comercio diciéndote, por escrito, que no leas un número tachado como evidencia de mercado. Una métrica de descuento construida sobre él mide lenguaje de merchandising. Perfectamente legítimo de seguir, siempre que lo etiquetes por lo que es.
brand, rating, reviews, description y availability forman parte de este esquema, y que lleguen rellenas depende de lo que publiquen las propias páginas. En nuestras exportaciones de comercio un sitio ha rellenado brand en todas las filas y otro en ninguna, y availability ha vuelto tanto como valor correcto de schema.org como no habiendo vuelto en absoluto. Prueba con una ejecución pequeña antes de diseñar una tabla en torno a que una columna esté presente.
Todas las imágenes del producto llegan en un único campo images, con punto y coma y espacio entre las URLs, e image repite la primera por comodidad. Eso está bien una vez lo sabes y es un fastidio si no: una importación ingenua trata todo como una URL larguísima y todas las imágenes se rompen en silencio. Divide por ; al ingerir. El número que obtienes también es una señal aproximada en sí misma: un producto con una fotografía y otro con una docena suelen estar en puntos distintos de un ciclo de merchandising.
Donde un catálogo de grandes almacenes es más útil como tabla que como scroll infinito.
Una exportación es una lista de precios; la misma exportación repetida es un histórico de precios. Extrae una categoría con una periodicidad, casa las filas por sku_code, y la diferencia te dice qué se movió, qué pasó a liquidación y qué desapareció sin ruido. Como price conserva el texto junto a la cifra, además puedes separar las rebajas reales de los artículos que solo lo parecen.
Para una marca que vende a través de Macy's, la pregunta interesante no es el precio recomendado sino el lineal: cuántas de tus líneas están listadas, a qué precios, con cuántas fotografías y cuáles están en liquidación. Agrupa por brand, ordena por parsed_price, y tienes la respuesta en una pantalla - incluidos los productos que tu propio equipo comercial quizá no sabe que están rebajados.
Los marketplaces, los comparadores y los catálogos de afiliación necesitan lo mismo: un título, una descripción, un precio, una imagen y un identificador. Esta exportación lleva los cinco, más el Web ID que devuelve un listado al propio sistema de Macy's. Divide images, guarda parsed_price para el feed y price para mostrar, y la transformación son unas pocas líneas en vez de un proyecto.
Sin suscripción, sin mínimo, sin licencia por usuario. Tus primeras 500 filas corren de nuestra cuenta; después, pago por uso.
Para cada cuenta nueva, una sola vez. Sin tarjeta. Todos los extractores desbloqueados. Quinientos productos son una porción sustancial de un solo departamento, suficiente para ver la forma de los datos antes de comprometerte con nada.
Aproximadamente 2 $ por cada 1.000 productos. Se factura por filas, así que lo más barato para vigilar una categoría es acotarla en Macy's primero y luego repetir la misma extracción acotada: una exportación semanal de las líneas que te importan cuesta una fracción de una exportación mensual de todo.
Precios por volumen, SLA, workers dedicados y onboarding a medida para equipos que siguen catálogos grandes en muchos comercios de forma recurrente. Dinos tus cifras y te preparamos un presupuesto.
LIVESCRAPER10 al pagar.El mismo artículo suele estar listado en varios sitios a varios precios, y un solo catálogo no puede decirte cuál de ellos es el atípico. Estos dos usan la misma forma de exportación.
Los mismos campos de producto del catálogo al que se ancla la mayoría de las comparaciones de precios: útil en cuanto necesitas saber si un precio de Macy's es competitivo.
Moda de un comercio puramente online con un ritmo de rebajas muy distinto: un control útil cuando intentas distinguir una tendencia de categoría del calendario promocional de una sola tienda.
Respuesta corta: sí. Una página de producto es un anuncio, publicado para que lo lea la mayor cantidad de gente posible.
Las páginas de producto de Macy's son públicas. Cualquiera puede leerlas sin cuenta, y recopilar información pública de productos para investigación y comparación de precios es una práctica asentada desde hace mucho. Mientras los datos estén disponibles públicamente y el proceso no perturbe el sitio, no hay leyes federales que lo prohíban.
El asunto aquí es de lo menos controvertido que hay en el scraping. Cada una de estas diecisiete columnas describe un artículo a la venta: su nombre, su precio, sus fotos, sus identificadores. No hay datos personales en ninguna parte de la exportación: ni clientes, ni personas que reseñan, ni siquiera el texto de una reseña. Nada en el archivo identifica a una persona.
Los términos de Macy's restringen el acceso automatizado, así que esto sigue siendo una cuestión de términos. No tocamos nada tras un inicio de sesión, no hacemos pedidos, no ejecutamos rastreadores de terceros en la capa de datos y tus exportaciones se autoeliminan a los 30 días.
Las preguntas que más nos hacen. ¿Algo más? Hablemos - las respuestas las escriben personas, no bots.
query, sku_code, product_url, name, description, parsed_price, price, currency, availability, rating, reviews, images, brand, sku, url, image y status. Una fila por producto. Es la forma compartida que usan nuestros endpoints de producto de comercio, así que una exportación de Macy's encaja columna por columna con las demás.price es la cadena tal como se muestra, con el símbolo de moneda y los separadores de millares dentro. parsed_price es el mismo importe con ese formato retirado para que ordene y sume correctamente. Calcula sobre parsed_price y conserva price: en Macy's especialmente, cómo se presenta una cifra carga significado que el número desnudo no tiene.sku_code es el número de artículo propio del comercio: en Macy's, la casilla del Web ID, el número de referencia impreso en las etiquetas de tienda y en el catálogo que localiza un artículo en el buscador del sitio. sku es el identificador del fabricante, un número de modelo o de pieza. En algunos comercios ambos llevan el mismo valor y en otros son completamente distintos, así que elige uno a conciencia como clave en vez de suponer que coinciden.; y tendrás la lista. image ya contiene la primera de ellas si solo necesitas una miniatura por fila.brand, rating, reviews, description y availability dependen de lo que publiquen las propias páginas: en nuestras exportaciones de comercio un sitio ha rellenado brand en todas las filas y otro en ninguna. Haz primero una muestra pequeña y mira qué columnas llegan rellenas antes de diseñar en torno a una.sku_code es la columna en la que vuelve. Para enviar trabajo, las URL de producto son la entrada inequívoca: una URL siempre resuelve exactamente una página. Ten en cuenta además que no todos los artículos de una tienda o un catálogo de Macy's tienen Web ID, porque no todo lo que vende Macy's se vende en línea.Pega los productos, elige tu formato y llévate el catálogo como filas: nombre, descripción, los dos precios, marca, imágenes y los identificadores que lo atan todo. Tus primeras 500 filas son gratis.
Macy's es una de las mayores cadenas de grandes almacenes de Estados Unidos, con cientos de marcas de moda, belleza, hogar y joyería, y su web es el catálogo por el que se juzga a la mayoría de esas marcas. Navegarla funciona bien para una compra y mal para cualquier pregunta sobre el surtido: cómo está preciada una marca a lo largo de sus líneas, qué fracción de una categoría está en liquidación esta semana, qué artículos ganaron o perdieron fotografías, qué se movió desde la última vez que miraste. El Macys Products Scraper responde a eso convirtiendo las páginas de producto en una tabla: diecisiete columnas por artículo, exportadas en CSV, JSON o Excel, con la misma forma que nuestros otros endpoints de producto de comercio, de modo que una comparación entre varios comercios encaje columna por columna.
La decisión de diseño que conviene entender antes de usarlo es que el precio se guarda dos veces. Los precios de comercio se muestran para personas, con símbolo de moneda y separadores de millares, y esa cadena es inútil para una hoja de cálculo, pero retirarla es destructivo, porque en Macy's la presentación carga significado. Así que la exportación guarda ambas: parsed_price con el formato retirado, para ordenar y hacer aritmética, y price exactamente como se muestra, para todo lo demás. El mismo principio explica el par de columnas de imagen, donde images guarda todas las fotografías unidas en una cadena separada por punto y coma e image repite la primera por comodidad, y el par de columnas de identificador, donde sku_code es el número propio del comercio y sku el del fabricante: esos dos son valores realmente distintos en comercios que usan ambos, y elegir el equivocado como clave produce duplicados que parecen productos nuevos.
El vocabulario de precios de Macy's merece un cuidado especial, y es Macy's quien da la razón. Su política publicada describe los precios Regular y Original como precios de oferta -la mercancía se ofreció a ese precio- y dice que puede que un artículo no se haya vendido a ellos, así que los ahorros mostrados frente a ellos pueden no basarse en ventas reales. La misma política distingue un conjunto de términos que señalan una reducción permanente, entre ellos Original, Closeout, Clearance, Now, Permanent Markdown y Just Reduced, de Everyday Value, que es un precio bajo estable del que quedan excluidos promociones y cupones. Dos productos que muestran el mismo número pueden por tanto ir en trayectorias opuestas. Una métrica de descuento calculada a partir de una cifra tachada mide lenguaje de merchandising y no movimiento de mercado, lo cual es perfectamente válido de seguir siempre que se etiquete con honestidad.
Una nota honesta sobre la evidencia que sostiene esta página. Todo lo afirmado arriba es o bien el esquema declarado de la exportación -los diecisiete nombres de columna, idénticos en nuestras dos ejecuciones- o bien una propiedad documentada de Macy's, tomada de su propia política de precios y de su convención de Web ID. Aquí no hay resultados de scraping de Macy's, porque no tenemos ninguno: ambas ejecuciones se hicieron contra una URL de marcador de posición en vez de contra una página real de Macy's y no devolvieron más que un 404, y el servicio figura internamente como necesitado de un proxy residencial. La semántica de columnas descrita arriba se estableció a partir de endpoints de comercio hermanos con el esquema idéntico que sí devolvieron filas rellenas, que es por lo que la página puede decir para qué sirve una columna sin afirmar qué puso Macy's en ella. En esta página no aparece ningún recuento de productos, precio, valoración ni cifra de stock, y no se añadirá ninguno mientras no lo respalde una exportación real de Macy's. Empieza gratis: tus primeras 500 filas no cuestan nada y no necesitan tarjeta.