要爬取的字段：
- 来源：url
- 图片
- 系列名 + 系列编号：My Weirdest School #7
- 书名
- 作者
- Grades
- 不同等级分类
- Guided Reading
- Lexile Measure
- Grade Level Equivalent
- DRA Level
- Genre
- ISBN
- Pages
- 标签tags
- 相关推荐
经过分析，入口是：
“Showing 65,493 Results for All in Books”
-》
另外的特殊的：
（1）带系列名 #N的
（2）只有系列名的：
（3）注意 评级中，有些数据是 N/A 表示空的：
（4）插图作者
-》有时候比作者更出名
-》有价值，要保存：
illustrator：插图作者
一个或多个
（5）西班牙语=西语
- 如何判断是西语还是英语，待内容团队确定
-》后续或许会用到：
判断文字的语言
（6）有些图片是没有的
IMAGE NOT AVAILABLE
304304 results
All Ranges, All Categories
第二页：
-》每本书：
要爬取的字段：
- url：url地址
- title
- pages: Int数值，默认0
- 只有列表页有
- isbn13
- 可以从url中提取出来：
- https://fab.lexile.com/book/details/9780671746063/
- 中的9780671746063
- coverImgUrl：封面图片
- description：summary
- authors：字符串列表
- 1或多个
- language
- copyright
- ages：Age Range，9 to 13
- 有些没有
- lexileMeasure：Lexile Measure
- vocabularyWords：Vocabulary Words，字符串列表
- 额外属性
- seriesName：
- Series
- 假定，正常只有1个
- 如果有多个，再讨论
- 可选
- categories：字符串列表，1或多个，可选
- awards：字符串列表，1或多个，可选
- recommendations：推荐More like this
- 每个：{title, url}
额外说明：
【整理】英文难度等级评测标准：Lexile兰斯
BR的含义：
根据筛选条件是：
BR400L – 1900L
-》推测是：
BR等价于：-
即：
-400L 到 +1900L
而其他几个：
AD，GN，HL，IG，NC
只是辅助性的描述
特殊情况：
（1）summary可能没有
（2）额外属性是Categories，甚至多个的：
多个的：
（3）部分列表页没有pages的信息的
Additional Filters：Award winners
-》
（4）封面可能没有
有两个入口：
Advanced Search -》 点击 Show Lexile® Measure
然后：
Lexile® Measure：0-1900
Interest Level：选其中1个，共选4次，即可列出所有的书
每个页面：
要爬取的字段：
- 来源：url
- 标题
- 作者
- AR Quiz Number：201917
- 描述
- AR Quiz Availability
- Reading Practice
- 表格
- ATOS Book Level
- Interest Level
- AR Points
- Rating
- http://www.arbookfind.co.uk/bookdetail.aspx?q=201917&l=EN&slid=182080583&lm=1 中有
- http://www.arbookfind.com.au/bookdetail.aspx?q=301178&l=EN&slid=182082181&lm=1 中没有
- Fiction/Non-fiction
- Topic – Subtopic
- 出版信息
- 多行
- Publisher
- ISBN
- Year Published
- Page Count
- 特殊：
特殊：
（1）待后续数据合并时讨论如何处理：
比如：
的ISBN：
Publisher ISBN Year Published Page Count
Scholastic, Inc. 978-0-545-65138-7 2013 24
Scholastic, Inc. 0-545-65138-7 2013 24
Scholastic, Inc. 978-0-545-65522-4 2013 24
Scholastic, Inc. 0-545-65522-6 2013 24
其中：后者的：
978-0-545-65522-4
或
0-545-65522-6
是搜不到的。
而前面的：
978-0-545-65138-7
或：
0-545-65138-7
是可以搜到的，比如：
Amazon.com: 9780545651387: Books
转载请注明：在路上 » 【整理】绘本查询推荐系统 数据爬取 20181031