抓取 metro.ca 的商品页

关于 metro.ca

metro.ca 这样描述自己：“与您本地的杂货商 Metro 一起体验网上购物的乐趣！浏览我们的传单，使用优惠券，探索我们的食谱”。

其首页声明了 2 种语言：en-ca, fr-ca。

其站点地图在 8 个文件中列出了 72,528 个 URL（ecomm-en-qc, ecomm-fr-qc, ecomm-en-on, ecomm-fr-on, general-en-qc, general-fr-qc）。

其 robots.txt 指定了 1 个站点地图，并禁止 12 个路径，其中包括 /mon-compte/, /mon-panier, /commander。

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：94.0%。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；0.5% 的成功调用使用了 JavaScript 令牌，响应中位时间为 1.6s。

在 Cookbook 的 9 个生鲜杂货站点中，metro.ca 按成功率排在第 8 位（共 9 个）；类别中位数为 98.8%。 其响应中位时间 1.6s 快于类别中位数 2.6s。 9 个站点中有 5 个接受普通令牌，这个站点也在其中。

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.metro.ca%2Fproducts%2Fexample-page"

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

r = api.get('https://www.metro.ca/products/example-page')
html = r['body']

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

const r = await api.get('https://www.metro.ca/products/example-page');

关键参数

各账户抓取的 URL 模式

你能得到的字段

商品页通常带有 ld+json 的 Product 块，包含名称、价格、货币和库存状态，可见标记中也有相同的值。先读这个块，它比页面布局变化得更少。

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 1.6s。

常见问题