Парсинг описів товарів для наповнення 1С-Бітрікс

Парсинг описів товарів для наповнення 1С-Бітрікс

Порожні або скопійовані описи — це нульова SEO-цінність і погана конверсія. Але писати тексти вручну для 5000 товарів нереально. Парсинг описів із сайтів виробників або дистриб'юторів — робочий спосіб швидко наповнити каталог, якщо грамотно організувати процес і не допустити дублювання контенту.

Джерела описів

Вибір джерела визначає якість та правові ризики:

Сайт виробника — максимально релевантний контент, але часто захищений від парсингу і може містити copyright. Використовувати як основу для рерайту, не як фінальний текст.

Агрегатори (Яндекс.Маркет, OZON, Wildberries) — великий обсяг описів, стандартизований формат. Ті самі правові застереження.

Офіційні дистриб'ютори — більш лояльні до використання контенту, часто самі зацікавлені в його поширенні.

Бази даних виробників (Icecat, Synccentric) — легальний варіант з API, платний, але дає чисті дані з ліцензією.

Витяг та очищення тексту

Опис на сайті-джерелі зазвичай знаходиться в <div class="description"> або аналогічному контейнері. Витягуємо через DomCrawler:

$description = $crawler->filter('.product-description')->text();

Після витягу — обов'язкове очищення:

• strip_tags() для видалення HTML (або фільтрація дозволених тегів)
• Видалення рекламних вставок типу «Купити в нашому магазині»
• Нормалізація пробілів та переносів рядків
• Видалення згадок бренду-конкурента

Якщо потрібно зберегти HTML-форматування (жирний, списки), використовуємо Symfony\Component\DomCrawler\Crawler::html() і фільтруємо через HTMLPurifier.

Запис у поля 1С-Бітрікс

1С-Бітрікс розділяє опис на два поля:

• PREVIEW_TEXT — короткий опис (для лістингу)
• DETAIL_TEXT — повний опис (для картки товару)

При парсингу довгого опису: перший абзац → PREVIEW_TEXT, повний текст → DETAIL_TEXT. Тип тексту задається полями PREVIEW_TEXT_TYPE та DETAIL_TEXT_TYPE (значення: text або html).

Оновлення елемента:

$el = new CIBlockElement();
$el->Update($elementId, [
    'PREVIEW_TEXT' => $shortDesc,
    'PREVIEW_TEXT_TYPE' => 'html',
    'DETAIL_TEXT' => $fullDesc,
    'DETAIL_TEXT_TYPE' => 'html',
]);

Робота з уже заповненими картками

Не перезаписувати наосліп — менеджери можуть вручну покращувати описи. Додаємо логіку:

1. Якщо DETAIL_TEXT порожній — записуємо парсинговий текст
2. Якщо заповнений — встановлюємо властивість DESCRIPTION_SOURCE = parsed лише при первісному заповненні
3. При оновленні парсера — пропускаємо елементи без прапорця DESCRIPTION_SOURCE (тобто текст правили вручну)

Часові рамки робіт

Разом: 4–6 робочих днів. Якщо потрібен рерайт через AI після парсингу — додайте ще 1–2 дні на інтеграцію з GPT API.