如何使用 Playwright 构建竞争对手价格跟踪器

摘要：

• 竞品价格跟踪器需要稳定的报价键。 在比较价格前，先匹配零售商、变体、市场、卖家和购买类型。
• Playwright 可以等待价格渲染完成。 将定位器限定在单个产品摘要区域，以免读到推荐价或参考价。
• 保持金额与货币一起存储。 同时保存展示字符串和十进制表示，方便审核解析结果。
• 捕获失败时应保留上一次的有效价格。 将访问、导航和解析问题发送到采集监控系统。

引言

一个商品页面在同一可视区域内，可能同时显示促销价、参考价以及一行相关商品。如果跟踪器只读取到第一个货币符号，那么它的告警很可能指向一个用户根本没有选择的报价。

下面的 Playwright 示例会读取一个公开演示商城中、单个产品摘要里的价格。真正实用的部分在提取之后：判断何时可以认为两个价格描述的是同一项报价。

安装 Playwright

本示例使用 Playwright 的 Python 包以及已安装的 Google Chrome。请在项目环境中安装该包，并确认执行环境上可以使用 Chrome。对调度器使用显式的商品 URL 白名单，并从单个 worker 开始。

python3 -m pip install playwright

配置要跟踪的报价

跟踪器在访问页面之前，就应定义好比较用的键。包括零售商、产品或变体、市场、卖家和购买类型。在比较检查中保留货币和计价单位。Schema.org 的 Offer 模型将报价与其基础商品区分开来，并包含独立的 price 与 currency 属性。

如果报价依赖市场路由，请在可比的采集中使用同一套经过批准的网络环境。关于路由选择，可参考价格监控基础设施工作流。在本示例中，浏览器读取的是单一的英式展示格式，并直接校验 GBP 格式。

从 Scrapeless 开始抓取

使用 Scrapeless 提升你的网页抓取与自动化工作流。
立即注册即可获得 5 美元免费额度 —— 无需信用卡。

现在就在 Scrapeless 控制台领取你的免费额度。

从公共演示页面读取一个报价

Playwright 捕获可以检查导航情况，等待一个唯一的价格定位器，并输出一条简洁的观测记录。Playwright 定位器参考文档解释了定位器如何定位元素，以及在多个元素匹配时严格操作的行为。本示例将标题和价格都限定在同一个产品摘要区域内。

import json
import re
from datetime import datetime, timezone
from decimal import Decimal

from playwright.sync_api import sync_playwright

URL = "https://books.toscrape.com/catalogue/a-light-in-the-attic_1000/index.html"

with sync_playwright() as playwright:
    browser = playwright.chromium.launch(channel="chrome")
    try:
        page = browser.new_page(locale="en-GB")
        response = page.goto(URL, wait_until="domcontentloaded", timeout=20_000)
        if response is None or not response.ok or page.url != URL:
            raise RuntimeError("Expected the demo product page")

        summary = page.locator(".product_main")
        price = summary.locator(".price_color")
        price.wait_for(state="visible", timeout=10_000)
        display_price = price.inner_text().strip()
        match = re.fullmatch(r"£([0-9]+\.[0-9]{2})", display_price)
        if match is None:
            raise ValueError("Unexpected demo price format")

        print(json.dumps({
            "product_key": "books-to-scrape:a-light-in-the-attic",
            "title": summary.get_by_role("heading", level=1).inner_text(),
            "final_url": page.url,
            "offer_type": "listed",
            "price": str(Decimal(match.group(1))),
            "currency": "GBP",
            "display_price": display_price,
            "observed_at": datetime.now(timezone.utc).isoformat(),
        }, ensure_ascii=False))
    finally:
        browser.close()

脚本会打印一条记录，其中包含十进制金额的字符串、展示值以及时间。互联网时间戳标准定义了表示 UTC 偏移的方法，以便跨 worker 对齐观测结果。

比较成功的捕获结果

价格变动应将当前观测值，与同一报价上一次的可比观测值进行对比。发送告警前需持久化二者。如果任务再次发现相同的数值，可根据报表需求选择不改变价格历史，或记录一条确认。

从演示页面迁移到真实目标时，请使用经过验证的本地化价格解析器，并存储价格计价基础。会员价与普通报价应分别成列。对于选择之后才渲染内容的页面，要同时等待已选变体标记和价格区域。为解析器做版本管理，以便在页面改版导致误报时可以回溯。

何时将 Playwright 迁移到托管浏览器

从本地工作进程开始。当工作进程维护或重复运行成为实际负担时，再迁移到用于网页自动化的托管浏览器。浏览器总览介绍了云端会话，Scrapeless 价格有助于估算这一变更的成本。将 Playwright 定位器和 offer 密钥掌握在自己手中。Puppeteer 代理工作流涵盖了相关的路由问题。

结论

该演示会打印一个商品报价。在将相同方法用于多家零售商之前，先测试当价格区域为空、货币变更或页面重定向时会发生什么。这些观察中的任何一种情况都不应替代上一次可比价格。

准备好构建你的竞争对手价格追踪器了吗？

加入 Discord 或 Telegram 社区，与正在构建价格追踪流程的开发者交流。在 Scrapeless 控制台创建账号开始使用。

常见问题

问：竞争对手价格追踪器应该多久运行一次？

选择与团队使用提醒的方式以及站点允许的请求配额相匹配的节奏。价格报告和时间敏感型促销监控可以采用不同的调度频率。

问：Playwright 价格监控是否一定需要代理？

在允许的区域路径下，可以重现本地店面视图。单一市场的演示或经批准的本地来源可以使用其普通连接。

问：如果站点出现访问挑战，追踪器应该怎么做？

记录失败，并与站点所有者一起审查访问路径。保留先前成功获取的报价作为比较基线。

问：可以在没有 AI 代理的情况下运行吗？

Playwright 和调度器可以收集并比较观测结果。在有限并发下运行，并在已知的商品页面上验证变更后的定位器。

问：可以监控任何竞争对手店面吗？

使用已获批准的界面，并在范围不明确时，与法律顾问一起审查适用条款、采集限制以及再利用权利。