影刀RPA进阶教程：商品标题优化助手——竞品标题词频分析自动化

影刀RPA进阶教程：商品标题优化助手——竞品标题词频分析自动化

改标题全靠感觉，是大部分中小商家标题优化的现状。竞品前二十名的标题里"免烫"“冰丝”"阔腿"这些词到底出现了多少次，哪个词是流量密码哪个词纯属凑字数，人工一个个数不现实。这篇影刀RPA进阶教程带你搭一个竞品标题词频分析自动化流程：自动抓取搜索结果页的竞品标题，分词、统计词频、按出现次数排序落表，你照着表格挑词组合标题，半小时出结果。我是运营出身，写流程是实操两年多边踩坑边学的，这篇会讲得比入门教程深一层。

整个流程涉及数据抓取、正则清洗、分词、字典统计、Excel读写和Python协同，我会把每一步的指令配置和参数精确到选项，最后再给一份词频分析容易翻车的地方清单。

环境与流程骨架：先跑通最小闭环

影刀RPA官网下载，默认路径安装，给Chrome装好浏览器插件。流程骨架五个子流程：

1. 01_搜索页采集：打开关键词搜索页，抓竞品标题列表
2. 02_标题清洗：去广告、去店铺名、提取纯标题文本
3. 03_分词与词频：分词指令切词，字典统计次数
4. 04_结果落表：词频排序写入Excel
5. 05_报告生成：筛出高频词组合建议

子流程在右侧面板点"新建可视化流程"创建，编号前缀命名，中间用流程参数传递数据，不要用全局变量，改关键词的时候你只需要改主流程开头的一个输入变量。

元素定位四合一在商品列表页的实战

搜索结果页是典型的相似元素场景。先点顶部工具栏"捕获新元素"，鼠标移到第一个商品标题上出现橙色边框后点击，影刀会提示校验到多个相似元素，这一步就是元素捕获+相似元素校验的入口。四条定位路线怎么选：

XPath六种写法里商品页最常用三种：

# 捕获元素：商品标题（模糊匹配class含title的节点） //*[contains(@class,'title')] # 参照物定位：通过价格文本向上找父级再找同级标题 //*[contains(text(),'¥')]/../../preceding-sibling::*[1] # 模糊匹配：跳过广告位（标题节点带广告标记的直接排除） //*[contains(@class,'title') and not(contains(@class,'ad'))]

CSS选择器八种语法中最实用的是类选择器、后代选择器和属性选择器，比如div[class*='title']一行等价于上面第一句XPath。选型经验：结构稳定用CSS省事，结构嵌套深或需要text()匹配就用XPath。商品列表页最大的坑是广告位混在自然结果里，用not()排除或者抓完后按特征列过滤。

动态随机ID一定要用正则通配：元素编辑界面把class里每次刷新都变的数字部分改成[\d]+，否则第二次运行必报未找到元素。

批量抓取标题：翻页与懒加载处理

用【打开网页】指令打开搜索结果页，浏览器类型选影刀浏览器（支持静默运行），URL参数里把关键词做成流程变量，等【等待网页加载完成】返回后再抓。【批量数据抓取】指令点"批量抓取数据"按钮后框选商品标题字段，保存为二维列表变量。

翻页两种情况：能确定总页数时，捕获"共XX页"文本，用【从文本中提取内容】指令配正则\d+提出数字，填进批量数据抓取的"抓取页数"；不确定总页数时按F12看下一页按钮源码，可点击时class不含disabled、到最后一页会出现disabled，用While条件循环加判断元素是否存在控制翻页。懒加载页面需要滚动触发，先滚动到底部再校验元素，抓完做index去重防止重复条目。

翻页间隔参数别设0，动态加载的数据没渲染完抓到的就是空值，我设3秒，宁可慢一点也别抓一堆空行回去。

文本清洗：正则三场景与字符串处理

抓下来的标题混着广告词、促销符号和店铺名。影刀【从文本中提取内容】指令支持正则，官方文档里常用操作符要记住几个：[\u4e00-\u9fa5]匹配中文字符、\d匹配数字、+表示前一字符一次或无限次扩展。清洗流水线三步：

1. 提取中文主标题：用[\u4e00-\u9fa5A-Za-z0-9]+按段提取再拼接
2. 去停用词：季节年份、包邮促销这类词用【文本替换】统一删除
3. 统一格式：【删除文本两端的空格】加【改变文本的大小写】处理英文部分

字符串指令集里【文本分割成列表】按空格或指定分隔符切分、【列表去重】、【获取文本长度】这些都用得上。多个标题处理完聚合成一个大文本，交给分词环节。

分词与词频统计：字典是核心

影刀自带【文本分词】指令，AI引擎默认用内置的影刀引擎，分析模式选"高精度模式"，分词结果保存为列表变量。商品标题分词的难点是"加绒""连帽"这类组合词可能被切碎，我的做法是维护一个自定义词表，分词前先用【文本替换】把保护词临时替换成带占位符的形式，分完再换回来。

词频统计用字典做映射，核心代码块如下：

# 输入：word_list，分词结果列表（一维列表）# 输出：freq_dict，词频字典 {词: 出现次数}freq_dict={}forwordinword_list:iflen(word)<2:# 过滤单字，"的""款"无分析价值continueifwordinfreq_dict:# 键已存在则计数加一freq_dict[word]=freq_dict[word]+1else:# 键不存在时新建键值对freq_dict[word]=1# 按出现次数从高到低排序sorted_items=sorted(freq_dict.items(),key=lambdax:x[1],reverse=True)

字典键不存在的两种处理方案：像上面这样先判断再赋值，或者直接用get方法给默认值freq_dict.get(word, 0) + 1，一行顶四行，我后期都改成后者了。排序也可以不用Python，影刀【列表排序】、【列表去重】、【获取字典值列表】、【获取字典键名列表】这些指令组合起来能做，但代码十行比拖二十个指令清爽，Python图标点亮后直接写表达式即可。

词频落表与标题组合建议

统计结果写入Excel：

再加一层加工：用【获取列表指定位置项】取Top20的高频词，按词性手动标注属性词、卖点词、长尾词，三列标注列也写进表里。组合建议这步我没做成全自动，机器组合的标题读起来生硬，人工从高频词表里挑词重组，保留原竞品标题的词序结构，效果比我预想的好。

进阶玩法是【文本相似度分析】指令，把自己现用标题和竞品Top标题做相似度对比，相似度过高说明同质化严重，该换词了。Python协同方面，跨模块调用用from . import 模块名，我把清洗函数封装进独立模块，多个采集流程共用一份。

定时监控与日志规范

把这套流程做成周更监控：应用发版后在高级任务计划里挂定时触发器，每周一早上九点跑一轮核心关键词，跑完结果自动追加进Excel并用【飞书群通知】把"本周词频Top10"摘要推到群里。定时触发器支持每日、每周、每月、预约、自定义间隔和Cron表达式，还能跳过法定节假日，触发器生效的前提是高级任务计划已启用。

应用未发版加不进定时任务；发版后定时还失败，去"我获取的应用"检查应用是否被误删，从"我开发的应用"拷副本重新发版再挂。

日志规范：每个子流程入口出口各一条【打印日志】（类型分调试/信息/警告/错误），抓取条数、清洗后剩余条数、Top词数量都打出来，数据量异常一眼能从运行日志里看出来。社区版每天30分钟运行时长，跑关键词多的时候记得控制总页数，或者上创业版。

易错点速查

问题	原因	解决
抓到空标题	懒加载没触发	滚动到底再校验，翻页间隔设3秒
分词切碎组合词	未登录词不在词表	保护词替换法或选高精度模式
字典取值报错	键不存在	用get(word, 0)取值

| 词频表数字成文本 | 写入列格式问题 | 写入时勿设该列为文本格式 |
| 相似元素数量变化 | 页面有刷新行为 | For次数循环内重新获取相似元素列表 |

另外提醒一个隐蔽的：正则指令对含分组的表达式默认只返回第一个捕获分组，想要完整匹配结果就别加多余的括号，这个行为文档里写得很清楚但我第一次用照样栽了。

延伸阅读与学习资源

正则表达式、字典、文本分词这几篇官方文档是本篇的地基，建议直接读原文，里面每张操作符表都值得收藏。完整流程源码我放在代码仓库 home.linyan.cloud，可以直接参考改造，关键词列表、翻页页数、停用词表全部做成流程参数，接上你自己的类目词就能跑。词频分析做完别急着改标题，观察两周搜索数据再迭代，数据不会说谎。

#影刀RPA #RPA自动化 #商品标题 #词频分析 #数据采集 #电商运营

作者：林焱