logo
languageITdown
menu
Catalogo di modelliDettagli di modelli

Estrattore Dettagli Ristorante Uber Eats

E-CommerceMCP
Ottieni informazioni sul ristorante e dettagli del menu (valutazione, prezzo del piatto, descrizione, ecc.) da Uber Eats tramite la pagina dei dettagli del negozio/ristorante.
TUTTI
Accessibilità
Modalità di eseguire
Nessuno
Costo di utilizzo
2025/12/29
Ultimo aggiornamento
Provalo!

📌 Quali dati su ristoranti, località, valutazioni e menu puoi raccogliere da Uber Eats?

Questo modello raccoglie record strutturati dalle pagine di dettaglio, inclusi Restaurant, Restaurant_URL, Cuisine_type, Price_range, Locality, Region, Postal_code, Country, Street, Latitude, Longitude, Telephone e altri campi di output pubblicati. È utile per gestori di ristoranti, analisti di consegne a domicilio, ricercatori di mercato locale e team di vendita.

I dati vengono raccolti da Uber Eats. Uber Eats è un marketplace di consegna di cibo per scoprire ristoranti, menu, prezzi e opzioni di consegna.

💰 Prezzi

Questo modello è attualmente gratuito e non ha costi di utilizzo per riga. Potrebbero comunque applicarsi i limiti del piano o delle risorse di Octoparse.

📦 Output

L'implementazione attualmente pubblicata può restituire i seguenti campi:

  • Restaurant
  • Restaurant_URL
  • Cuisine_type
  • Price_range
  • Locality
  • Region
  • Postal_code
  • Country
  • Street
  • Latitude
  • Longitude
  • Telephone
  • Rating
  • Review_count
  • Error_message
  • Dish_category
  • Dish_name
  • Price
  • Description
{
  "Restaurant": "McDonald's® (L.A. - Wilshire\\u002FUnion)",
  "Restaurant_URL": "https://www.ubereats.com/store/mcdonalds-la-wilshire-union/-OCvBm1NSA-SVnmNOpc8Mg?diningMode=DELIVERY",
  "Cuisine_type": "Americano, Fast Food, Hamburger, Adatto ai gruppi",
  "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": "Articoli in primo piano",
  "Dish_name": "Big Mac® Meal",
  "Price": "$11.69",
  "Description": "Compra 1, Prendi 1 Gratis"
}

🎯 Casi d'Uso

  • Usa Rating e Review_count per confrontare la reputazione del ristorante e il volume delle recensioni.
  • Usa Price_range e il Price a livello di piatto per confrontare i prezzi del menu visualizzati.
  • Usa Locality, Region, Postal_code, Street, Latitude e Longitude per segmentare i ristoranti geograficamente.
  • Usa Restaurant_URL e Telephone per conservare i dettagli della fonte e di contatto per la ricerca sui ristoranti.

🐙 Perché Octoparse

  • Flusso di lavoro pronto all'uso: I passaggi di estrazione per Uber Eats sono già configurati, quindi non è necessario creare lo scraper da zero.
  • Esecuzione flessibile: Scegli la modalità di esecuzione locale o cloud supportata per adattarsi a controlli una tantum o a lavori di raccolta ripetibili.
  • Output strutturato e ripetibile: I risultati vengono restituiti come righe coerenti, più facili da confrontare, filtrare, deduplicare ed elaborare rispetto alle pagine copiate manualmente.
  • Barriere di input verificate: Il modulo espone gli input correnti, i valori selezionabili e i limiti significativi configurati per questo modello.
  • Consegna pratica dei dati: Rivedi i risultati in Octoparse ed esportali o elaborali utilizzando le opzioni supportate dal tuo ambiente Octoparse.

📝 Input

Completa i seguenti campi:

  • URL del ristorante di Uber Eats (Obbligatorio) — Fino a 1.000 voci per esecuzione.

🚀 Come si Usa

  1. Apri il modello e seleziona Provalo o Avvia.
  2. Completa i campi di input elencati sopra.
  3. Avvia l'attività utilizzando la modalità di esecuzione locale o cloud supportata.
  4. Rivedi le righe di output ed esporta o elabora i dati strutturati.

⚠️ Limitazioni

I risultati dipendono da ciò che il sito di origine espone al momento dell'esecuzione. Un campo di output elencato può essere vuoto quando la pagina di origine non fornisce quel valore. I limiti di input mostrati sopra sono imposti dal modello.

💡 Suggerimenti

Usa input specifici e validi e rivedi un risultato rappresentativo prima di avviare un grande lotto. Rimuovi gli input duplicati quando non sono necessari record ripetuti.

❓ FAQ

Come funziona questo scraper?

Il modello prende in input l'URL del ristorante di Uber Eats configurato (fino a 1.000 per esecuzione), apre ogni URL fornito e segue i cicli di pagina configurati sulle pagine di dettaglio di Uber Eats, quindi emette righe strutturate contenenti campi come Restaurant, Restaurant_URL, Cuisine_type, Price_range, Locality.

Cosa devo inserire?

Usa i campi e i valori accettati mostrati nella sezione Input. Sono elencati solo i limiti rilevanti per l'utente e le opzioni selezionabili.

Quali dati restituisce questo modello?

I campi di output attuali e un'Anteprima dei dati JSON rappresentativa sono elencati nella sezione Output. La disponibilità dei campi può variare quando la pagina di origine non visualizza un valore.

L'uso di questo modello è gratuito?

Attualmente è gratuito e non ha costi di utilizzo per riga. Potrebbero comunque applicarsi i limiti del piano o delle risorse di Octoparse.

Perché alcuni campi di output possono essere vuoti?

Le pagine di origine non sempre espongono ogni valore per ogni record, e i layout possono variare per articolo, mercato o risposta attuale del sito. Il modello restituisce un campo quando la pagina corrente lo fornisce.

Posso esportare i dati raccolti?

Puoi rivedere le righe strutturate in Octoparse ed esportarle o elaborarle utilizzando le opzioni supportate dal tuo ambiente Octoparse.

🔗 Modelli Correlati

Share