如何遍历同格式URL列表批量抓取产品可用库存并填充至Excel指定列

核心匹配规则：目标库存数值嵌套在class为availability in-stock的div标签内，文本格式为「数字 + available」，仅需提取前半段数字即可，无需处理其他冗余内容。

方案1：Excel内置Power Query 无代码实现 #

无需安装第三方工具，可直接在本地Excel内完成操作：

• 将所有待抓取URL整理在Excel A列，首行设置表头待抓取URL
• 选中URL所在区域，依次点击菜单栏「数据」-「从表格/区域」，将数据加载到Power Query编辑器
• 新增自定义列，写入代码逐行加载对应网页源码：Web.Contents([待抓取URL], [Delay=500, RetryStrategy="Exponential"])，设置500ms请求间隔避免触发反爬
• 对加载的网页源码做HTML解析，筛选匹配div[class="availability in-stock"]节点的文本内容
• 通过列拆分功能，按空格将匹配到的文本拆分为两列，取第一列的数值即为对应URL的库存数
• 将提取结果加载回原Excel表，直接对应粘贴到H列即可

方案2：轻量本地脚本 稳定处理万级URL #

针对15000条的大数量场景，脚本方案可实现断点续跑、自动容错、异常标注，稳定性远高于无代码工具：

• 核心依赖组件：用pandas读取Excel A列的URL列表，用requests发送带浏览器请求头的页面请求，用parsel做HTML节点匹配，用openpyxl直接将结果写回对应行的H列
• 核心匹配逻辑代码：

  # 定位目标库存节点文本
  stock_raw_text = response.css('div.availability.in-stock::text').get()
  # 从“125 available”类格式的文本中提取纯数字
  stock_value = int(stock_raw_text.strip().split(' ')[0])
  

• 必加的容错逻辑（解决过往方案失效的常见问题）：
  • 每次请求随机设置1-2秒的间隔，请求头补全真实浏览器的User-Agent信息，避免被网站拦截返回反爬页面
  • 每抓取100条数据自动保存一次Excel，防止程序中途崩溃丢失已有结果
  • 跑批前先扫描H列已填内容的行，跳过对应URL实现断点续跑
  • 遇到请求失败、节点不存在的情况，在对应H列单元格标注抓取失败，不中断全量流程

过往同类抓取方案失效通常存在两个核心原因：一是节点选择器匹配错误，漏写类名连接符、混淆静态页面与JS动态渲染内容的定位逻辑；二是未做请求频率控制，短时间内发送大量请求被网站封禁IP，无法获取真实页面内容。

内容的提问来源于stack exchange，提问作者Rory Watts