Разработка парсера каталога конкурентов — цены, ассортимент, алерты

Вы запустили интернет-магазин, цены конкурентов меняются каждый день, а ручной мониторинг съедает часы менеджеров. Без автоматического сбора вы теряете прибыль: не успеваете среагировать на снижение цены у конкурента или пропускаете новинки в ассортименте. Парсер каталога товаров конкурентов — это инструмент, который ежедневно собирает актуальные цены, наличие и характеристики в вашу базу. Больше не нужно проверять сайты вручную: система сама обходит каталог, фиксирует изменения и присылает алерты. Наш опыт — более 10 лет в разработке таких решений, десятки успешных проектов под ключ.

Почему ручной сбор неэффективен?

Ручной мониторинг трёх конкурентов по 500 товаров занимает 2–3 часа в день. Ошибки, пропуски, устаревшие данные. Автоматический парсер решает эти проблемы: собирает данные за минуты, работает 24/7, не устаёт. Экономия времени — до 90% по сравнению с ручным сбором. Окупается за 2–3 месяца.

Анализ сайта перед разработкой

До написания кода — анализ целевого сайта:

• Структура URL каталога: пагинация через ?page=N, бесконечная прокрутка или tree-навигация по категориям
• Рендеринг: статический HTML (быстро и просто) или данные подгружаются через XHR/fetch (нужен перехват или headless)
• Защита: Cloudflare, rate limiting, авторизация
• Частота обновления данных на сайте — как быстро появляются новые товары и меняются цены

Типичный минимальный набор полей: SKU / артикул, название, цена (обычная + акционная), наличие, категория, URL страницы товара, дата сбора. Для некоторых ниш важны: рейтинг, количество отзывов, вес/габариты, бренд.

Техническая реализация

Для статических сайтов — httpx + parsel (или Cheerio для Node.js). Async-запросы, пул соединений 10–20 воркеров, задержка 1–3 секунды между запросами к одному домену.

import httpx import asyncio import random from parsel import Selector UA_POOL = [ 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36', 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36', ] async def fetch_page(session: httpx.AsyncClient, url: str) -> str: headers = { 'User-Agent': random.choice(UA_POOL), 'Accept-Language': 'ru-RU,ru;q=0.9', } resp = await session.get(url, headers=headers, timeout=15) resp.raise_for_status() return resp.text async def parse_catalog_page(html: str, base_url: str) -> list[dict]: sel = Selector(html) products = [] for item in sel.css('.product-card'): price_raw = item.css('.price::text').get('').strip() price = int(''.join(c for c in price_raw if c.isdigit())) if price_raw else None products.append({ 'title': item.css('.product-title::text').get('').strip(), 'price': price, 'sku': item.attrib.get('data-sku'), 'url': base_url + item.css('a::attr(href)').get(''), 'in_stock': bool(item.css('.in-stock')), 'image_url': item.css('img::attr(src)').get(), }) return products 

Для SPA с XHR — перехват API-запросов через Playwright. Многие современные интернет-магазины при открытии страницы делают fetch-запрос к собственному API, возвращающему JSON с данными о товарах:

from playwright.async_api import async_playwright import json async def intercept_catalog_api(catalog_url: str) -> list[dict]: products = [] async with async_playwright() as p: browser = await p.chromium.launch(headless=True) page = await browser.new_page() async def handle_response(response): if '/api/catalog' in response.url and response.status == 200: try: data = await response.json() if 'products' in data: products.extend(data['products']) except Exception: pass page.on('response', handle_response) await page.goto(catalog_url, wait_until='networkidle') await browser.close() return products 

Если API возвращает JSON напрямую — можно обращаться к нему минуя браузер, что в 10–20 раз быстрее. Для поиска эндпоинта — DevTools Network вкладка при ручном переходе по каталогу.

Как работает парсинг SPA с XHR?

В SPA основная сложность — не HTML, а API-запросы, которые подгружают данные. Мы перехватываем эти запросы через Playwright и получаем чистый JSON. Это надёжнее, чем разбирать динамически сгенерированный DOM. Если API открытый — обращаемся к нему напрямую, экономя ресурсы.

Пагинация и полный обход

Для пагинации через ?page=N — последовательный обход до пустой страницы:

async def scrape_full_catalog(base_url: str) -> list[dict]: all_products = [] page_num = 1 async with httpx.AsyncClient() as session: while True: url = f'{base_url}?page={page_num}' html = await fetch_page(session, url) products = await parse_catalog_page(html, base_url) if not products: break all_products.extend(products) page_num += 1 await asyncio.sleep(random.uniform(1.5, 3.0)) # вежливая задержка return all_products 

Для категорийного дерева — сначала рекурсивный сбор всех URL категорий, затем обход каждой категории с пагинацией.

Хранение и инкрементальное обновление

CREATE TABLE competitor_products ( id SERIAL PRIMARY KEY, source VARCHAR(100) NOT NULL, -- 'competitor_a', 'competitor_b' external_id VARCHAR(255) NOT NULL, title TEXT NOT NULL, price DECIMAL(10,2), price_sale DECIMAL(10,2), in_stock BOOLEAN DEFAULT TRUE, category VARCHAR(500), url TEXT NOT NULL, image_url TEXT, attributes JSONB DEFAULT '{}', first_seen TIMESTAMPTZ DEFAULT NOW(), last_seen TIMESTAMPTZ DEFAULT NOW(), UNIQUE(source, external_id) ); CREATE TABLE competitor_price_history ( id BIGSERIAL PRIMARY KEY, product_id INT REFERENCES competitor_products(id), price DECIMAL(10,2), price_sale DECIMAL(10,2), in_stock BOOLEAN, scraped_at TIMESTAMPTZ DEFAULT NOW() ); CREATE INDEX ON competitor_price_history(product_id, scraped_at DESC); 

При повторном обходе — INSERT ... ON CONFLICT (source, external_id) DO UPDATE SET last_seen = NOW(), price = EXCLUDED.price, .... Запись в историю делается только если цена или наличие изменились (сравнение с последней записью через LAG() или хранение price в основной таблице).

Расписание и оповещения

Celery Beat или Node.js cron. Рекомендуемая частота для каталога конкурента — раз в 4–12 часов, в зависимости от динамики цен в нише. Для маркетплейсов с быстро меняющимися ценами — раз в час для топ-позиций.

Оповещение при снижении цены конкурента ниже вашей — SQL-запрос или триггер PostgreSQL с уведомлением в Slack/Telegram через webhook. Пример запроса:

SELECT cp.title, cp.price AS competitor_price, mp.price AS my_price FROM competitor_products cp JOIN my_products mp ON mp.sku = cp.external_id WHERE cp.source = 'competitor_a' AND cp.price < mp.price AND cp.in_stock = TRUE ORDER BY (mp.price - cp.price) DESC; 

Как настроить алерты о снижении цен конкурента?

1. Установите сигнатуру: SELECT ... WHERE cp.price < mp.price * 0.95 — алерт при снижении на 5%.
2. Настройте webhook в Telegram/Slack.
3. Запустите SQL-запрос после каждого обхода и отправляйте результат.

Мы реализуем эту логику в составе парсера: вы получаете уведомление в мессенджер с таблицей товаров, где конкурент стал дешевле.

Как обеспечить бесперебойную работу парсера?

Сайты конкурентов меняются — парсер периодически ломается. Мы настраиваем мониторинг: alert если за последний запуск собрано менее 50% от среднего количества товаров. При изменении структуры — обновление обычно занимает 2–4 часа. Гарантируем поддержку и адаптацию под новые версии сайтов.

Что входит в работу

• Исчерпывающий анализ целевого сайта (структура, защита, API)
• Разработка парсера с учётом пагинации, категорий, инкрементального обновления
• Настройка базы данных для хранения истории цен и ассортимента
• Организация расписания (cron) и алертов (Telegram/Slack)
• Документация по эксплуатации и доступам
• Обучение вашего сотрудника работе с системой
• Гарантийная поддержка 1 месяц и реагирование на сбои 2–4 часа

Оценим ваш проект — пишите, мы предложим оптимальное решение под ключ. Закажите разработку парсера и получите инструмент, который принесёт реальную пользу в конкурентной борьбе. Wikipedia: Web scraping