网页HTML-虾皮数据
覆盖Shopee平台商品与店铺信息的数据资源。
文本文档文档问答商品/电商Text更新时间 2026·06·08
数据集简介
覆盖 Shopee 平台商品详情页、店铺页、搜索结果页等网页 HTML 数据，完整保留页面 DOM 结构、商品信息、价格、库存、SKU、销量、评价、图片、店铺信息及营销活动等原始内容，可用于网页解析、数据抽取、AI 模型训练、竞品监控、价格监测和电商情报分析等场景。支持多站点、多区域数据采集，返回原始 HTML，满足自定义解析与二次开发需求。
数据质量
记录时效性
按需更新
记录结构化
NDJSON、JSON、CSV、XLSX、Parquet，支持定制化
记录云交付
Amazon S3、Snowflake、Alibaba Cloud OSS、Google Cloud Storage、Google Drive
记录标准化
为保证数据的一致性与可用性，数据集在构建过程中对原始记录进行了标准化处理，包括：（1）单位标准化：统一价格、重量、尺寸等字段的计量单位；（2）格式标准化：统一日期、时间、数值字段的表示格式；（3）文本清洗：去除 HTML 标签、多余空格及异常字符；（4）字段规范化：统一字段命名、数据类型与缺失值表示方式。该过程确保数据在不同来源和不同采集批次之间保持结构一致性，便于后续分析与建模。
记录代表性
数据覆盖全量业务场景，样本均衡，具备行业代表性
文本文档文档问答商品/电商Text
