📌 Quelles données de restaurant, d'emplacement, de notation et de menu pouvez-vous collecter sur Uber Eats ?
Ce modèle collecte des enregistrements structurés à partir des pages de détail, y compris Restaurant, Restaurant_URL, Cuisine_type, Price_range, Locality, Region, Postal_code, Country, Street, Latitude, Longitude, Telephone et d'autres champs de sortie publiés. Il est utile pour les restaurateurs, les analystes de la livraison de repas, les chercheurs de marché local et les équipes de vente.
Les données sont collectées sur Uber Eats. Uber Eats est une place de marché de livraison de repas pour découvrir des restaurants, des menus, des prix et des options de livraison.
💰 Tarifs
Ce modèle est actuellement gratuit et n'a pas de frais d'utilisation par ligne. Les limites du plan ou des ressources Octoparse peuvent toujours s'appliquer.
📦 Sortie
L'implémentation publiée actuelle peut retourner les champs suivants :
RestaurantRestaurant_URLCuisine_typePrice_rangeLocalityRegionPostal_codeCountryStreetLatitudeLongitudeTelephoneRatingReview_countError_messageDish_categoryDish_namePriceDescription
{
"Restaurant": "McDonald's® (L.A. - Wilshire\\u002FUnion)",
"Restaurant_URL": "https://www.ubereats.com/store/mcdonalds-la-wilshire-union/-OCvBm1NSA-SVnmNOpc8Mg?diningMode=DELIVERY",
"Cuisine_type": "American, Fast Food, Burgers, Group Friendly",
"Price_range": "$",
"Locality": "Los Angeles",
"Region": "CA",
"Postal_code": "90017",
"Country": "US",
"Street": "1625 Wilshire Blvd",
"Latitude": "34.0559081",
"Longitude": "-118.2708033",
"Telephone": "+12134838702",
"Rating": "4.4",
"Review_count": "200",
"Error_message": null,
"Dish_category": "Featured items",
"Dish_name": "Big Mac® Meal",
"Price": "$11.69",
"Description": "Buy 1, Get 1 Free"
}
🎯 Cas d'utilisation
- Utilisez Rating et Review_count pour comparer la réputation des restaurants et le volume des avis.
- Utilisez Price_range et le Price au niveau du plat pour comparer les prix affichés sur le menu.
- Utilisez Locality, Region, Postal_code, Street, Latitude et Longitude pour segmenter les restaurants géographiquement.
- Utilisez Restaurant_URL et Telephone pour conserver la source et les coordonnées pour la recherche de restaurants.
🐙 Pourquoi Octoparse
- Flux de travail prêt à l'emploi : Les étapes d'extraction pour Uber Eats sont déjà configurées, vous n'avez donc pas besoin de créer le scraper à partir de zéro.
- Exécution flexible : Choisissez le mode d'exécution local ou cloud pris en charge pour s'adapter à des vérifications ponctuelles ou à un travail de collecte répétable.
- Sortie structurée et répétable : Les résultats sont retournés sous forme de lignes cohérentes, plus faciles à comparer, filtrer, dédupliquer et traiter que des pages copiées manuellement.
- Garde-fous d'entrée vérifiés : Le formulaire expose les entrées actuelles, les valeurs sélectionnables et les limites significatives configurées pour ce modèle.
- Transfert de données pratique : Examinez les résultats dans Octoparse et exportez-les ou traitez-les en utilisant les options prises en charge par votre environnement Octoparse.
📝 Entrée
Remplissez les champs suivants :
- URL du restaurant Uber Eats (Requis) — Jusqu'à 1 000 entrées par exécution.
🚀 Comment utiliser
- Ouvrez le modèle et sélectionnez Essayer ou Démarrer.
- Remplissez les champs d'entrée listés ci-dessus.
- Démarrez la tâche en utilisant le mode d'exécution local ou cloud pris en charge.
- Examinez les lignes de sortie et exportez ou traitez les données structurées.
⚠️ Limitations
Les résultats dépendent de ce que le site source expose au moment de l'exécution. Un champ de sortie listé peut être vide lorsque la page source ne fournit pas cette valeur. Les limites d'entrée indiquées ci-dessus sont appliquées par le modèle.
💡 Conseils
Utilisez des entrées spécifiques et valides et examinez un résultat représentatif avant de lancer un grand lot. Supprimez les entrées en double lorsque des enregistrements répétés ne sont pas nécessaires.
❓ FAQ
Comment fonctionne ce scraper ?
Le modèle prend l'URL du restaurant Uber Eats configurée (jusqu'à 1 000 par exécution) en entrée, ouvre chaque URL fournie et suit les boucles de page configurées sur les pages de détail d'Uber Eats, puis émet des lignes structurées contenant des champs tels que Restaurant, Restaurant_URL, Cuisine_type, Price_range, Locality.
Que dois-je saisir ?
Utilisez les champs et les valeurs acceptées indiqués dans la section Entrée. Seules les limites pertinentes pour l'utilisateur et les options sélectionnables sont listées.
Quelles données ce modèle retourne-t-il ?
Les champs de sortie actuels et un Aperçu de données JSON représentatif sont listés dans la section Sortie. La disponibilité des champs peut varier lorsque la page source n'affiche pas de valeur.
Ce modèle est-il gratuit ?
Il est actuellement gratuit et n'a pas de frais d'utilisation par ligne. Les limites du plan ou des ressources Octoparse peuvent toujours s'appliquer.
Pourquoi certains champs de sortie peuvent-ils être vides ?
Les pages sources n'exposent pas toujours toutes les valeurs pour chaque enregistrement, et les mises en page peuvent varier en fonction de l'article, du marché ou de la réponse actuelle du site. Le modèle retourne un champ lorsque la page actuelle le fournit.
Puis-je exporter les données collectées ?
Vous pouvez examiner les lignes structurées dans Octoparse et les exporter ou les traiter en utilisant les options prises en charge par votre environnement Octoparse.
🔗 Modèles associés
- Scraper de listes de restaurants Uber Eats — Utilisez le Scraper de listes de restaurants Uber Eats pour découvrir les liens sources des restaurants avant de collecter les détails du restaurant et du menu.
- Scraper de menus de restaurants Just Eat — Utilisez le Scraper de menus de restaurants Just Eat pour des champs comparables de restaurant, plat, description, nutrition et prix.
- Scraper de listes de restaurants Just Eat — Utilisez le Scraper de listes de restaurants Just Eat pour des données comparables de découverte de restaurants, de notation, de temps de livraison et de frais.