Парсинг описаний товаров для наполнения 1С-Битрикс

Парсинг описаний товаров для наполнения 1С-Битрикс

Пустые или скопированные описания — это нулевой SEO-вес и плохая конверсия. Но писать тексты вручную для 5000 товаров нереально. Парсинг описаний с сайтов производителей или дистрибьюторов — рабочий способ быстро наполнить каталог, если грамотно организовать процесс и не допустить дублирования контента.

Источники описаний

Выбор источника определяет качество и правовые риски:

Сайт производителя — максимально релевантный контент, но часто защищён от парсинга и может содержать copyright. Использовать как основу для рерайта, не как финальный текст.

Агрегаторы (Яндекс.Маркет, OZON, Wildberries) — большой объём описаний, стандартизированный формат. Те же правовые оговорки.

Официальные дистрибьюторы — более лояльны к использованию контента, часто сами заинтересованы в распространении.

Базы данных производителей (Icecat, Synccentric) — легальный вариант с API, платный, но даёт чистые данные с лицензией.

Извлечение и очистка текста

Описание на сайте-источнике обычно лежит в <div class="description"> или аналогичном контейнере. Извлекаем через DomCrawler:

$description = $crawler->filter('.product-description')->text();

После извлечения — обязательная очистка:

• strip_tags() для удаления HTML (или фильтрация разрешённых тегов)
• Удаление рекламных вставок типа «Купить в нашем магазине»
• Нормализация пробелов и переносов строк
• Удаление упоминаний бренда-конкурента

Если нужно сохранить HTML-форматирование (жирный, списки), используем Symfony\Component\DomCrawler\Crawler::html() и фильтруем через HTMLPurifier.

Запись в поля Битрикса

Битрикс разделяет описание на два поля:

• PREVIEW_TEXT — краткое описание (для листинга)
• DETAIL_TEXT — полное описание (для карточки товара)

При парсинге длинного описания: первый абзац → PREVIEW_TEXT, полный текст → DETAIL_TEXT. Тип текста задаётся полями PREVIEW_TEXT_TYPE и DETAIL_TEXT_TYPE (значения: text или html).

Обновление элемента:

$el = new CIBlockElement();
$el->Update($elementId, [
    'PREVIEW_TEXT' => $shortDesc,
    'PREVIEW_TEXT_TYPE' => 'html',
    'DETAIL_TEXT' => $fullDesc,
    'DETAIL_TEXT_TYPE' => 'html',
]);

Работа с уже заполненными карточками

Не перезаписывать вслепую — менеджеры могут вручную улучшать описания. Добавляем логику:

1. Если DETAIL_TEXT пустой — записываем парсинговый текст
2. Если заполнен — устанавливаем свойство DESCRIPTION_SOURCE = parsed только при первоначальном заполнении
3. При обновлении парсера — пропускаем элементы без флага DESCRIPTION_SOURCE (значит, текст правили вручную)

Таймлайн работ

Итого: 4–6 рабочих дней. Если нужен рерайт через AI после парсинга — добавьте ещё 1–2 дня на интеграцию с GPT API.