タイトル、価格、状態をあらゆる国のOLXリスティングから抽出

同じプラットフォームでも、40種類以上のレイアウトが存在します。 olx.com.br用に作られたテンプレートやCSSセレクターは、olx.inには対応できません。フィールド名、通貨、DOMがすべてローカライズされているからです。スクレイピング業界自体が国ごとに別々のスクレイパーを提供していること自体が、単一のルールではOLX全体をカバーできないという市場の認識を示しています。

数字の形式は市場によって異なります。 「R$ 89.990」は桁区切りにドットを使用し、「1.500 zł」はカンマを使用します。1つの形式に固定されたスクレイパーは、他の市場の数値を1000倍単位で誤読してしまいます。

リスティングページだけが全記録ではありません。 価格交渉はOLXチャットやWhatsAppで行われることが多く、出品者は頻繁に会話をプラットフォーム外へ移します。そのため、リスティングのスクリーンショットが元の希望価格の唯一の記録となることがよくあります。スクレイパーはスクリーンショットを一切読めず、削除または売却済みのリスティングには、スクレイピングできるライブページが存在しません。

フィールド名を一度指定するだけで、AIがすべてのマーケットに対応します。 商品名、価格、状態、場所、投稿日時を入力してください。ビジュアルモデルは、「Estado: Usado」「Condition: Used」「Stan: Używane」がすべて同じセマンティックフィールドを指していることを理解し、各レイアウトのどこに配置されていても認識します。

通貨を考慮した正規化。 AIが通貨記号を読み取り、マーケットごとに正しい数値形式で解釈します。R$ 89.990は通貨BRLで89990.00に、1.500 złは通貨PLNで1500.00になります。元のテキストは検証用に並列カラムとして保持されます。

スクリーンショット優先のキャプチャ。 画面に表示されているものすべて — リスティングページや、交渉後の価格が記載されたチャットメッセージ — が1行のデータになります。リスティングが翌日削除されても、すでに撮影したスクリーンショットからデータを生成できます。