Pega una URL de producto de alimentación de Tesco, o una URL de categoría o búsqueda, y los productos vuelven como filas: nombre, precio y moneda, disponibilidad, marca, las columnas de identificador, valoración y reseñas, una imagen, un enlace y una descripción.
Una entrada y un control. Aquí no hay proxy que configurar, así que todo el trabajo es una lista de enlaces y un número.
El límite es por consulta: cinco URLs de categoría con un límite de doscientos son doscientos productos de cada una, no doscientos en total.
Una línea puede ser una página de producto suelta o una URL de categoría o búsqueda, y una categoría vuelve desplegada en sus productos, una fila cada uno. Así es como una página de navegación se convierte en algo que puedes ordenar por precio o agrupar por marca.
Algunos comercios de esta tubería compartida necesitan una salida residencial propia: la herramienta señala a Lowes, Grainger, Zalando y Fastenal. Tesco no es uno de ellos. La ejecución va por nuestro pool y no hay nada que configurar.
sku, mpn y gtin llegan como columnas propias en vez de enterradas en un título, y currency va al lado de price en vez de dentro. Eso es lo que hace que una exportación se pueda cruzar con un catálogo que no es el de Tesco, allí donde la página declare esos campos.
Conviene decirlo con claridad, porque cambia cómo deberías leer el diccionario de abajo.
Los quince nombres de columna son sólidos: están confirmados por partida doble, por el array de columnas publicado para este servicio y por la fila de cabecera de todos los libros que tenemos de la tubería compartida que hay detrás - idéntica en el poblado y en los vacíos por igual. Construye un esquema alrededor de esos nombres con confianza.
Lo que no podemos hacer es decirte qué pone Tesco en ellas, porque nunca hemos ejecutado esto contra Tesco. Ninguna de las exportaciones que tenemos es una ejecución de Tesco. Casi todas volvieron con una cabecera y ninguna fila, y la única poblada es otro comercio por completo. En vez de disimularlo, esta página no imprime valores de ejemplo ni formatos: sin una ejecución de Tesco, estaríamos inventándolos.
La buena noticia es lo barato que resulta resolverlo. Cuáles de las trece columnas declaradas publica Tesco realmente es una pregunta que una sola ejecución pequeña responde de forma definitiva, y las primeras 500 filas no cuestan nada - así que apúntala a una única categoría, mira lo que volvió y sabrás más sobre esta exportación de lo que ninguna página podría decirte honestamente de antemano.
Los nombres son exactos y están doblemente confirmados. Las descripciones dicen para qué sirve cada columna, no qué contendrá, porque eso lo decide el minorista y no nosotros, y la nota de abajo explica por qué.
gtin, es lo que hace que una exportación se pueda cruzar con un catálogo que no es el de Tesco.Dos cosas sobre las pruebas detrás de esta página. Primero, el mecanismo: los productos se leen del JSON-LD que una página publica sobre sí misma, los datos estructurados que los comercios incrustan para los buscadores. Eso fija un techo que esta página no va a fingir superar. Toda columna posterior a service existe solo si Tesco declara ese campo, así que un hueco significa no publicado, no ejecución fallida. Segundo, la laguna: nunca hemos ejecutado esto contra Tesco. Tenemos cuarenta y cinco exportaciones de la tubería compartida que hay detrás de este servicio y ninguna es una ejecución de Tesco: cuarenta y cuatro volvieron vacías y la única poblada es otro comercio. Esa exportación vale un dato honesto sobre la herramienta y no sobre Tesco: query y service se llenaron en todas las filas, porque el scraper las escribe él mismo, y seis de las quince estaban vacías en todas y cada una. Cuenta también aquí con huecos, cuenta con que caigan en otro sitio porque otro comercio publica datos estructurados distintos, y deja que tu primera ejecución gratuita te diga cuáles. Por eso también esta página no imprime valores de ejemplo ni formatos: sin una ejecución de Tesco, estaríamos inventándolos.
Una lista de URLs y un límite. Sin orden, sin filtro, sin campo de proxy: en este comercio no hay nada más que fijar.
Este scraper lee los datos estructurados que una página de producto publica sobre sí misma: el bloque JSON-LD que los minoristas incrustan para que los buscadores puedan mostrar un precio y un estado de stock. Por eso las columnas se leen como se leen: sku, mpn, gtin, brand, availability y currency son el vocabulario estándar para describir un producto, no nombres que nos hayamos inventado.
La consecuencia práctica es la que conviene tener en cuenta. Una columna es tan buena como el marcado del propio minorista. Si un campo falta en los datos estructurados de la página, vuelve vacío, y repetir la ejecución no cambia eso: no es un fallo, es una ausencia. En la única exportación con datos que tenemos de esta herramienta compartida, seis de las quince columnas estaban vacías en todas las filas.
Si necesitas algo que el marcado no lleva, ese es otro trabajo: el Scraper Universal con IA lee la página en sí y devuelve los atributos que nombres, en lugar de solo lo que se declaró para los buscadores.
Un archivo subido no vacía la caja: las líneas se añaden a lo que ya hubieras escrito, y los duplicados no se eliminan. Sube el mismo archivo dos veces y esas URL se pedirán dos veces, y se facturarán dos veces. Esto es propio de esta tubería: algunos de nuestros otros scrapers sí deduplican al subir y este no, así que no traigas la costumbre de allí.
Para un CSV o un TXT se toma la línea entera como una URL, así que una hoja de cálculo con columnas extra no es lo que quieres aquí. Solo un XLSX se lee por columnas, y ahí toma la columna A.
El selector lista Parquet junto a CSV, XLSX y TXT, pero en realidad no puede leer uno en el navegador y te lo dirá - usa cualquiera de los otros tres.
Algunos ejemplos de lo que vale un catálogo de alimentación una vez que es una tabla.
Dale una página de categoría y obtienes cada producto de ella como fila, con la marca y las columnas de identificador junto al nombre. Ordenar una página de navegación por algo que no sea lo que ofrece el sitio es justamente el objetivo.
Como service va estampado en cada fila, una misma tabla puede tener Tesco junto a los otros comercios de esta tubería y seguir separándose limpiamente. Donde mpn o gtin estén declarados, el mismo artículo se puede emparejar entre proveedores.
La misma URL de categoría de forma programada te da dos archivos comparables. Lo que apareció, lo que desapareció y lo que cambió es un diff en vez de una tarde de clics - y sku es la clave con la que compararlos donde se publique.
Sin suscripción, sin mínimo, sin factura recurrente. Tus primeras 500 filas corren de nuestra cuenta y después pagas por uso, a la misma tarifa plana que cualquier otro scraper de aquí.
En cada cuenta nueva, una sola vez. Sin tarjeta de crédito. Límites por consulta, subida de archivos y todos los formatos de exportación incluidos - y en este comercio, tampoco hay proxy que pagar.
La misma tarifa plana que cualquier otro scraper de la plataforma. El estimador previo muestra el número de filas y el coste en créditos antes de arrancar - aquí merece un vistazo, porque el límite es por consulta y una lista de URL de categoría multiplica.
Precio por volumen, workers dedicados y un SLA para seguir un catálogo de forma programada. Cuéntanos tus números y te pasamos presupuesto.
LIVESCRAPER10 al pagar.Dos hermanos sobre la misma herramienta compartida, y uno para cuando los datos estructurados no llevan lo que necesitas.
Las mismas quince columnas y el mismo techo de JSON-LD sobre otro catálogo - y, como este, sin proxy propio. Si sigues los dos, service mantiene las filas separadas en un solo archivo.
La misma tubería otra vez, con una diferencia que importa: Lowes es uno de los cuatro comercios que necesita un proxy residencial propio. Conviene saberlo antes de dar por hecho que todas las páginas de esta familia funcionan igual.
Cuando el campo que quieres nunca llegó a los datos estructurados, este lee la página en sí y devuelve los atributos que nombres. Más lento y menos previsible que un esquema fijo - pero no está limitado a lo que se declaró para los buscadores.
Respuesta corta: esto son datos públicos de catálogo sin datos personales dentro - y los datos estructurados se publican, de entrada, para que los lean máquinas.
Todo lo que hay en estas quince columnas se le muestra a cualquier visitante en una página de producto pública de Tesco, con sesión iniciada o sin ella. No se usa ningún inicio de sesión, no se cruza ningún muro de pago y no se toca ninguna cuenta, y la ejecución va por nuestro pool de proxies en vez de por tu propia IP. Lo que se lee en concreto es el bloque JSON-LD: datos estructurados que un comercio incrusta precisamente para que lectores automatizados puedan recoger el nombre, el precio y la disponibilidad.
En esta exportación no se nombra a ninguna persona. No hay columna de cliente, ni de quien reseña, ni de vendedor - reviews es un recuento, no el texto de las reseñas, así que ni siquiera vuelve el cuerpo de una reseña. Son productos y precios, lo que la sitúa en el extremo más leve en cuanto a protección de datos.
Los propios términos de Tesco rigen la recopilación automatizada desde su web, así que léelos antes de escalar en vez de fiarte de que las páginas sean públicas. Y si republicas descripciones de producto o imágenes, recuerda que son textos y fotografías de otros: recopilarlas para analizar es una cosa y publicarlas es otra. No usamos 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? Habla con nosotros: las respuestas las escriben personas, no bots.
Tus primeras 500 filas son gratis: sin tarjeta, sin suscripción. Después son 0,002 $ por fila, tarifa plana.
El Scraper de Productos de Tesco convierte páginas de producto y de categoría de tesco.com en filas. Pega una URL de producto de alimentación - el ejemplo propio de la plataforma es tesco.com/groceries/en-GB/products/305096546 - o una URL de categoría o búsqueda, una por línea, o sube un archivo CSV, XLSX o TXT, fija un límite por consulta, y cada producto vuelve como un registro con la consulta de la que salió, el servicio que lo produjo, el nombre, precio y moneda, disponibilidad, marca, sku, mpn y gtin, una valoración y número de reseñas, una imagen, un enlace y una descripción. Quince columnas en el archivo y dieciséis en el JSON, una fila por producto. A diferencia de algunos comercios de esta tubería compartida - la herramienta señala a Lowes, Grainger, Zalando y Fastenal - Tesco no necesita un proxy residencial propio, así que no hay nada que configurar más allá de la lista y el límite.
Dos cosas conviene entenderlas antes de construir sobre esta exportación, y ambas se reducen a de dónde salen los datos. Los productos se leen del JSON-LD que una página publica sobre sí misma: los datos estructurados que los comercios incrustan para que los buscadores puedan mostrar un precio y un estado de stock. Por eso las columnas llevan los nombres que llevan: sku, mpn, gtin, brand, availability y currency son el vocabulario estándar para describir un producto. También pone un techo: cada columna después de service existe solo si el comercio declaró ese campo, así que una celda en blanco significa no publicado y no ejecución fallida, y volver a ejecutar no la llenará.
Lo segundo es que esta página no imprime valores de ejemplo, porque nunca la hemos ejecutado contra Tesco. De las cuarenta y cinco exportaciones que tenemos de la tubería compartida que hay detrás de este servicio, ninguna es una ejecución de Tesco: cuarenta y cuatro devolvieron una cabecera y ninguna fila, y la única poblada es otro comercio. Esa exportación vale exactamente una observación honesta, y es sobre la herramienta y no sobre Tesco: query y service se llenaron en todas las filas porque el scraper las escribe él mismo, y seis de las quince columnas estaban en blanco en todas las filas. Cuenta también aquí con huecos, cuenta con que caigan en otro sitio porque otro comercio publica datos estructurados distintos, y deja que una pequeña ejecución gratuita te diga cuáles: es una pregunta que 500 filas gratis resuelven para siempre.
En lo legal, esta es de las exportaciones más ligeras de nuestro catálogo. Todo lo recogido se le muestra a cualquier visitante en una página de producto pública, no hay inicio de sesión ni muro de pago de por medio, y no se nombra a ninguna persona en ninguna de las quince columnas: reviews es un recuento y no texto de reseñas, así que ni siquiera vuelve un cuerpo de reseña. Son productos y precios. Los propios términos de Tesco siguen rigiendo la recopilación automatizada desde su web, así que léelos antes de escalar, y recuerda que las descripciones de producto y las imágenes son textos y fotografías de otros si piensas republicarlos. Empieza gratis: tus primeras 500 filas no cuestan nada y no necesitan tarjeta, y después son 0,002 $ por fila, tarifa plana.