抓取 gigroup.com 的列表信息

关于 gigroup.com

gigroup.com 这样描述自己：“Gi Group 是一家领先的国际人力资源机构，为 30 个国家的 20,000 多家企业提供临时和长期用工解决方案。查找您当地的办事处”。

其站点地图在 6 个文件中列出了 116 个 URL（post-sitemap, page-sitemap, category-sitemap）。 在 116 条带日期的条目中，有 2 条在最近 30 天内发生变化，最新一条在 2026年8月28日。

其 robots.txt 禁止 12 个路径，其中包括 /wp-admin/。 它要求爬虫在请求之间等待 120 秒。

基于 Crawlbase 测得

2026年8月 对每个账户的每个请求统计的成功率：95.6%。URL 模式、国家和失败情况来自自 2026年8月14日 起的请求日志；0.1% 的成功调用使用了 JavaScript 令牌，响应中位时间为 3.9s。

调用

商品页是各账户在此抓取最多的页面形态，附带最常成功的国家和令牌。请把占位路径换成站点上真实的商品 URL。

curl "https://api.crawlbase.com/?token=YOUR_TOKEN&url=https%3A%2F%2Fwww.gigroup.com%2F1234567%2Fexample-page"

from crawlbase import CrawlingAPI
api = CrawlingAPI({'token': 'YOUR_TOKEN'})

r = api.get('https://www.gigroup.com/1234567/example-page')
html = r['body']

const { CrawlingAPI } = require('crawlbase');
const api = new CrawlingAPI({ token: 'YOUR_TOKEN' });

const r = await api.get('https://www.gigroup.com/1234567/example-page');

关键参数

各账户抓取的 URL 模式

你能得到的字段

Crawlbase 在 gigroup.com 上找到的结构化数据，按页面类型列出。这些是页面中的 schema.org 类型，你的解析器可以直接从 JSON-LD 块中读取这些字段：

• 首页: WebPage, ImageObject, BreadcrumbList, WebSite, Organization
• 列表页: CollectionPage, ImageObject, BreadcrumbList, WebSite, Organization
• 文章: Article, WebPage, ImageObject, BreadcrumbList, WebSite, Organization, Person

会出问题的地方及修复方法

自 2026年8月14日 以来的失败中，站点的响应为：

定时运行

刷新目录就是一份商品 URL 列表。把它连同回调推送到 Crawler，让它控制调用节奏并重试站点拒绝的请求，然后从 Cloud Storage 读取结果。该站点的响应中位时间为 3.9s。

常见问题

gigroup.com 上的其他页面

gigroup.com 在自己的站点地图中列出的页面，由 Crawlbase 于 2026年9月6日 抓取，并在连续 2 次运行中得到验证。每一行都是返回该页面及其内容的最便宜调用。