抓取 societe.com

关于 societe.com

societe.com 这样描述自己：“SOCIETE.COM，免费企业信息服务。查询在 RNCS（全国工商登记处）注册的所有企业的关键数据、身份信息和管理者。查找企业的 SIRET、SIREN、资产负债表、营业额等”。

其 robots.txt 禁止 12 个路径，其中包括 /attestations/, /solvabilite/, /documents-officiels/。 它要求爬虫在请求之间等待 10 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：98.6%。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；99.4% 的成功调用使用了 JavaScript 令牌，响应中位时间为 7.2s。

在 Cookbook 的 11 个公共数据站点中，societe.com 按成功率排在第 4 位（共 11 个）；类别中位数为 97.2%。 其响应中位时间 7.2s 慢于类别中位数 2.3s。 11 个站点中有 5 个接受普通令牌；这个站点需要 JavaScript 令牌。

调用

各账户抓取最多的 URL 形态，配以最常成功的 country 和令牌。请将占位路径替换为该站点的真实路径。

curl "https://api.crawlbase.com/?token=YOUR_JS_TOKEN&url=https%3A%2F%2Fwww.societe.com%2Fexample-section%2Fexample-page"

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

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

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

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

关键参数

各账户抓取的 URL 模式

你能得到的字段

Crawlbase 在 societe.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: Organization, WebSite, WebPage
• 其他: Organization, WebSite, WebPage

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

该站点的响应时间中位数为 7.2s。每天超过几千页时，请将 URL 列表连同回调推送到 Crawler；它会控制调用节奏，并重试站点拒绝的请求。

常见问题

societe.com 上的其他页面

societe.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。