更多>>关于我们

西安鲲之鹏网络信息技术有限公司从2010年开始专注于Web(网站)数据抓取领域。致力于为广大中国客户提供准确、快捷的数据采集相关服务。我们采用分布式系统架构,日采集网页数千万。我们拥有海量稳定高匿HTTP代理IP地址池,可以有效绕过各种反采集策略。

您只需告诉我们您想抓取的网站是什么,您感兴趣的字段有哪些,你需要的数据是哪种格式,我们将为您做所有的工作,最后把数据(或程序)交付给你。

数据的格式可以是CSV、JSON、XML、ACCESS、SQLITE、MSSQL、MYSQL等等。

更多>>官方微博

西安鲲之鹏
陕西 西安

加关注

  • 【经验分享】如何让Squid Web隧道支持SSH协议?
    默认Web隧道下连接22端口是不被允许的,会返回403错误。
    编辑/etc/squid3/squid.conf,加入如下配置行
    acl SSL_ports port 22
    acl Safe_ports port 22
    然后重启Squid即可。 ​​​​
    发布时间:2018-05-16 11:41:42
  • 当当网有多少图书,你知道吗?>>> http://t.cn/R3h6hiH ​​​​
    发布时间:2018-05-08 13:53:19
  • 【经验分享】Ubuntu下如何识别无线网卡?
    以普联的TL-WDN6200为例,使用的是rtl8812au(http://t.cn/RuR1Drh这个驱动):
    wget http://t.cn/RuR1DrP
    unzip master.zip
    cd rtl8812au-master
    make
    sudo install
    然后重启系统,运气好的话你就能看到Wifi图标和热点列表了,如下图所示(Ubuntu14.04下亲测)。
    发布时间:2018-05-03 19:10:52
  • 【经验分享】DeleGate跑了3天日志吃了18G硬盘,如何关掉日志呢?
    查文档(ftp://www.delegate.org/pub/DeleGate/Manual.htm#LOGDIR),找到了方法,加上参数LOGFILE=""即可,原文:
    You can stop logging by specifying null file name like LOGFILE="" or PROTOLOG="". ​​​​
    发布时间:2018-04-28 18:08:15
  • 【经验分享】命令下如何优雅地展示JSON数据?
    jq is a lightweight and flexible command-line JSON processor. >>> http://t.cn/Ry7MrH2
    示例:curl http://t.cn/Rui9UFI |jq '.'
    效果如附图所示。 ​​​​
    发布时间:2018-04-27 17:15:06
  • 最常见浏览器User Agent列表(Most Common User Agents)  >>> http://t.cn/R5ZC20T
    PS:隐约感觉某网站开始通过随机UA检测爬虫了。 ​​​​
    发布时间:2018-04-27 13:08:00
  • 【经验分享】在多网络接口(IP)环境下Squid,Tinyproxy和DeleGate如何指定出口(IP) >>> http://t.cn/RucmfQu ​​​​
    发布时间:2018-04-25 18:16:40
  • 【经验分享】Linux网络接口名称最大允许长度为15字符 >>> http://t.cn/RuG4k0R ​​​​
    发布时间:2018-04-24 11:05:16
  • 【经验分享】抓取Web of Science经验分享 >>> http://t.cn/RmlDirP ​​​​
    发布时间:2018-04-15 14:03:24
  • 【最新】百度指数最新采集方案演示(视频),有点如下:
    1. 受限账号仍可继续采集(不会提示访问太频繁);
    2. 一次可以获取近90天的数据(理论上还可以更多); L西安鲲之鹏的秒拍视频 ​​​​
    发布时间:2018-04-13 14:15:02
当前位置: 首页 > 技术文章 >
当当图书知多少
发布时间:2018-05-08 来源:未知 浏览:

当当网是国内知名的综合性网上购物商城,网上销售包括图书音像、美妆、家居、母婴、服装和数码等几十个大类的商品,其中尤以图书为最。据说,在图书品类,当当占据了线上市场份额的50%以上。能做到图书零售第一,当当的图书量必然是很可观的。打开当当图书的首页(http://book.dangdang.com),可以看到当当图书的分类很多,而且一级分类下面还有二级、三级分类,子分类很多啊。

当当网图书首页

那么,当当到底有多少图书呢?笔者不禁好奇心起。
带着这个问题,笔者找到了当当图书的分类首页: http://category.dangdang.com/cp01.00.00.00.00.00.html

当当网图书分类列表首页截图

根据页面上的显示,当当图书的总量超过了1196万。真有这么多吗?笔者忽然想起之前看到的某网介绍说,当当图书SKU总数达到400万种啊。400万和1196万,相差何其多也。到底哪个说法更准确呢?笔者不由得把目光投到了分类导航栏后面的数字上(上图红框处)。

在查看了若干个分类项之后,笔者发现每个分类的列表页上,分类导航栏的后面都会有对应分类的图书数目。那么,我们何不以此做一个统计呢,顺便还可获得一份当当图书的分类信息,哈哈,一举两得啊。

说干就干,以 http://category.dangdang.com/cp01.00.00.00.00.00.html 页面为首页,遍历其上的分类项,逐层深入,就可以获取到当当图书所有层级的分类信息和对应的图书数目了。

具体的编码及过程就不赘述了,最终获取的结果数据展示如下:

当当网图书分类统计表

点击查看完整分类信息文件>>>
从获取的分类信息可知,当当图书分类最多可分四级。分类信息中的最后一列就是网站显示的对应类目的图书数目。累计最后一列所有类目的图书数据后的总数为13229624。超过1300万了。考虑到当当网有的图书会同时归属于多个类目,所以去除重复计算的因素,当当图书1196万的数目,还是比较可信的吧。

特别说明:该文章为鲲鹏数据原创文章 ,您除了可以发表评论外,还可以转载到别的网站,但是请保留源地址,谢谢!!(尊重他人劳动,我们共同努力)
☹ Disqus被Qiang了,之前的评论内容都没了。如果您有爬虫相关技术方面的问题,欢迎发到我们的问答平台:http://spider.site-digger.com/
QQ在线客服
欢迎咨询,点击这里给我发送消息。
欢迎咨询,点击这里给我发送消息。