WebScraper - Arquivo CSV número a mais de linhas

Raspagem e obtenção de dados
#1

Olá, bom dia

Estou tentando fazer uma raspagem no site da Amazon com o Webscraper e está quase dando certo.
O problema é quando abro o arquivo .CSV, ao invés de ter 60 linhas (estou raspando uma página com 60 itens), o arquivo tem 240. Pelo que percebi, para cada item são geradas 4 linhas, uma para cada um dos 4 seletores que eu criei. Bati um printscreen da tabela pra ilustrar:

image
image1080×1920 310 KB

O sitemap da minha raspagem é este:
{"_id":“amazon3”,“startUrl”:[“Amazon.com.br : jornalismo .rush-component .rush-component img, .celwidget > div.s-include-content-margin img, .celwidget > div > div.s-include-content-margin img”,“multiple”:true,“delay”:0},{“id”:“titulo”,“type”:“SelectorText”,“parentSelectors”:["_root"],“selector”:".s-expand-height .rush-component span.a-size-base-plus, .celwidget > div.s-include-content-margin span.a-size-base-plus, .celwidget > div > div.s-include-content-margin span.a-size-base-plus",“multiple”:true,“regex”:"",“delay”:0},{“id”:“autor”,“type”:“SelectorText”,“parentSelectors”:["_root"],“selector”:".s-expand-height .rush-component .a-spacing-top-small div.a-color-secondary, .celwidget > div.s-include-content-margin .a-spacing-top-small div.a-color-secondary:nth-of-type(1), .celwidget > div > div.s-include-content-margin .a-spacing-top-small div.a-color-secondary",“multiple”:true,“regex”:"",“delay”:0},{“id”:“preco”,“type”:“SelectorText”,“parentSelectors”:["_root"],“selector”:".s-expand-height .rush-component div.a-color-base:nth-of-type(2), .celwidget > div.s-include-content-margin div.a-color-base:nth-of-type(2), .celwidget > div > div.s-include-content-margin div.a-color-base:nth-of-type(2)",“multiple”:true,“regex”:"",“delay”:0}]}

Agradeço pela atenção. Um abraço

#2

Oi Talita, teu sitemap não está funcionando no meu. Pelo que consigo lê, sua busca na Amazon é por jornalismo. Você pode me descrever o conteúdo que precisa para eu tentar reproduzir o buscador aqui?

#3

@Talita , como a @anicely comentou, o código do sitemap compartilhado tem algum problema, pois ele sequer importa aqui. Talvez tenha faltado alguma linha? Antes de postar o código, você pode tentar importar localmente no seu WebScraper e ver se funciona.

De todo modo, parece que faltou a primeira etapa, que é criar um seletor para cada item. Este será o “Parent Selector” dos demais seletores que trarão os dados que você quer importar e também terá a opção “Multiple” ativa.

#4

Oi @anicely e @adriano,

Agradeço pela atenção :slight_smile:

Refiz a raspagem e agora deu certo!

De fato, eu não tinha criado um seletor para cada item (como Adriano bem observou). Além disso, nos seletores secundários (título, imagem, preço e autor) eu estava selecionando a opção “MULTIPLE”, acho que isso explico o porquê de a minha tabela estar com tantas linhas a mais.

Obrigada e um abraço