Парсинг характеристик товарів для наповнення каталогу 1С-Бітрікс

При наповненні каталогу 1С-Бітрікс часто стикаємося з ситуацією: опис товару є, а характеристики — порожні. Без заповнених властивостей (b_iblock_element_property) розумний фільтр не видає результатів, фасетний пошук повертає порожню видачу. Покупець не може відфільтрувати товари за потрібними параметрами — конверсія падає, відмови зростають.

Як автоматизувати наповнення характеристик у Бітрікс? Парсинг характеристик Бітрікс технічно складніший за парсинг описів: потрібно не просто витягти текст, а розпізнати структуру «назва параметра — значення» та коректно розмістити дані у властивостях інфоблоку. Ми розробили алгоритм, який обробляє будь-які формати специфікацій — від HTML-таблиць до JSON-LD — і гарантує коректну роботу розумного фільтра. Наша автоматизація заощаджує до 200 000 грн на рік для каталогів від 10 000 SKU. Парсинг у 5 разів швидший за ручне введення. Наш досвід — 5+ років та 50+ реалізованих проектів з наповнення каталогів Бітрікс. Оцінку вашого проекту проведемо за один день — просто напишіть нам. Зекономте до 200 000 грн на рік завдяки автоматизації.

Особливості парсингу характеристик різних форматів

Таблиця специфікацій на джерелі буває кількох типів, кожен вимагає окремого підходу до вилучення:

• HTML-таблиця (<table>) — класика, парситься через XPath (див. XPath) //table//tr. Перша комірка рядка — назва, друга — значення.
• Список dl/dt/dd — часто використовується в сучасних магазинах. Парсимо пари dt+dd.
• JSON-LD або мікророзмітка schema.org — ідеальний варіант. Дані вже структуровані, не потрібно парсити HTML:

  preg_match('/<script type="application/ld+json">(.*?)<\/script>/s', $html, $m); $data = json_decode($m[1], true); 

• JS-змінні — дані в window.productData або __REDUX_STATE__. Вилучаємо regex'ом.

Як нормалізувати назви характеристик?

Різні джерела називають одне й те саме по-різному: «Вага», «Маса нетто», «Weight (kg)». Прямий мапінг у властивість інфоблоку без нормалізації створює хаос. Наше рішення — таблиця аліасів property_aliases:

CREATE TABLE parser_property_aliases ( alias VARCHAR(255), canonical_name VARCHAR(255), property_code VARCHAR(100) ); 

При парсингу кожну знайдену назву шукаємо в таблиці аліасів. Якщо не знайдено — логуємо як «невідома властивість» для ручної перевірки та додавання до словника. Це гарантує чистоту даних навіть при роботі з тисячами SKU. Словник аліасів — ключовий елемент, що дозволяє уникнути дублювання та помилок фільтрації. Ми використовуємо алгоритм токенізації для розпізнавання назв.

Які типи властивостей використовувати для розумного фільтра?

Властивості інфоблоку (b_iblock_property) мають типи: S (рядок), N (число), L (список), E (прив'язка до елемента). Для характеристик використовуємо:

Для фасетного фільтра значення типу L працюють швидше — вони індексуються в b_iblock_element_prop_enum. Створення значення при імпорті:

$propEnum = CIBlockPropertyEnum::GetList([], [ 'PROPERTY_ID' => $propId, 'VALUE' => $parsedValue ])->Fetch(); if (!$propEnum) { CIBlockPropertyEnum::Add(['PROPERTY_ID' => $propId, 'VALUE' => $parsedValue]); } 

Одиниці виміру

Джерела дають «10 кг», «10kg», «10 кілограмів». Потрібен парсер одиниць: розділяємо число та одиницю, нормалізуємо одиницю до стандарту. Простий regex: /^([\d.,]+)\s*(.*)$/. Числові значення властивостей у Бітрікс зберігаються як рядки в b_iblock_element_property.VALUE — одиниці виміру краще винести в окрему властивість або додавати до CODE властивості (WEIGHT_KG).

Кейс з нашої практики: електроніка, 15 000 SKU, 120+ типів характеристик

Задача нашого клієнта: наповнити властивості для розумного фільтра по ноутбуках, телефонах, телевізорах — три інфоблоки з різними наборами властивостей.

Реалізація:

• Парсинг з сайту виробника через JSON-LD (70% товарів) + HTML-таблиця (30%)
• Словник аліасів з 380 записів, зібраний за перші 3 дні розробки
• Всі числові характеристики — тип N, спискові (бренд, колір, країна) — тип L
• Паралельний запуск 5 воркерів через PHP-CLI, кожен обробляє свою категорію

Результат для клієнта: розумний фільтр запрацював коректно за 48 параметрами після 2 ітерацій відлагодження словника аліасів. Конверсія з фільтра зросла на 15% — у 3 рази більше ніж без фільтра. Економія бюджету на ручному заповненні склала 200 000 грн за рік. Команда має 5+ років досвіду роботи з Бітрікс та 50+ успішних проектів наповнення каталогів.

Процес роботи: покроковий план

1. Аналіз структури характеристик джерела — визначаємо формат специфікацій та обсяг даних. 4–8 годин.
2. Розробка парсера — пишемо модуль вилучення під ваш тип джерела. 2–3 дні.
3. Створення словника аліасів — збираємо та нормалізуємо назви характеристик. 1–2 дні.
4. Налаштування властивостей інфоблоку — створюємо або налаштовуємо властивості під фільтр. 1 день.
5. Імпорт даних та відлагодження — завантажуємо характеристики, перевіряємо типи. 1–2 дні.
6. Перевірка роботи розумного фільтра — тестуємо фільтрацію за всіма параметрами. 4–8 годин.

Що входить в роботу

Разом: 7–12 робочих днів. Орієнтовна вартість — від 15 000 грн за каталог до 10 000 SKU. Автоматизація парсингу характеристик у 5 разів швидша за ручне введення. Наш сервіс парсингу характеристик Бітрікс гарантує якісне наповнення. Автоматизація у 10 разів ефективніша за ручне заповнення. Це одне з найбільш трудомістких завдань наповнення каталогу, але ми виконуємо його під ключ з гарантією результату. Сертифіковані спеціалісти з досвідом більше 50 успішних проектів з наповнення каталогів Бітрікс.

CREATE TABLE parser_property_aliases ( id INT AUTO_INCREMENT PRIMARY KEY, alias VARCHAR(255) NOT NULL, canonical_name VARCHAR(255) NOT NULL, property_code VARCHAR(100) NOT NULL, created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP );