中国卷烟产品目录数据集

该数据集通过爬虫从烟草市场网（etmoc.com）抓取，包含约3300多条中国卷烟产品的完整信息，涵盖品牌、中英文名称、产品类型、焦油量、烟碱量、一氧化碳量、包装形式、烟支规格、条码、价格、上市时间、产品简介、网友评分及高清包装图片，输出为CSV文件和图片集，用于数据分析和研究。This dataset was crawled from the Tobacco Market Website (etmoc.com). It contains complete information of over 3,300 Chinese cigarette products, covering brand, Chinese and English names, product type, tar content, nicotine content, carbon monoxide content, packaging form, cigarette specification, barcode, price, launch date, product introduction, user ratings and high-definition packaging images. The dataset is exported as CSV files and image collections for data analysis and research.

原始信息汇总

数据集概述

1. 数据集来源与内容

• 来源：从烟草市场网抓取的中国卷烟产品数据。
• 规模：覆盖约328页、3300余条产品记录。

2. 数据字段详解

数据集以CSV格式输出，包含以下完整字段：

字段	说明	示例
产品ID	网站产品编号	3111
品牌 / 品牌ID	所属品牌及其编号	兰州 / 329
中文名称 / 英文名称	产品名称	兰州（黑中支）/ Lanzhou Black Middle
产品类型	如烤烟型、混合型、雪茄型	烤烟型
焦油量 / 烟碱量 / 一氧化碳量	三项含量指标	8mg / 0.8mg / 8mg
包装形式	含每盒支数、每条盒数	条盒硬盒（每盒20支，每条10盒）
烟支规格	长度及细支/中支/爆珠等标签	88mm 中支
小盒条码 / 条盒条码	EAN条形码	6901028067959 / 6901028067799
小盒零售价 / 条盒零售价 / 批发价格	价格信息	30元/盒 / 300元/条 / 263元/条
上市时间	上市年份	2019年
产品简介	详情页产品介绍全文	（文本内容）
评分信息	评分人数、口味/包装/性价比/综合评分	340人，9.4 / 9.5 / 9.3 / 9.4
详情链接	产品详情页URL	http://www.etmoc.com/Firms/Product?Id=3111
图片文件	已下载图片文件名，用分号分隔	3111_兰州（黑中支）_1.jpg;...

• 字段为空表示原网站页面无对应信息。

3. 数据输出结构

• 主数据文件：cigarettes.csv（UTF-8-SIG编码，可直接用Excel打开）。
• 图片文件夹：images/，图片命名格式为产品ID_产品名_序号.jpg。

4. 数据采集技术特性

• 环境要求：Python 3.8+，依赖requests和beautifulsoup4。
• 核心功能：
  • 自动处理云锁（YunSuo）JS验证，无需浏览器。
  • 支持断点续抓：中断后重新运行自动跳过已抓取产品。
  • 健壮性设计：网络错误自动重试、异常页面跳过并留待续抓、图片内容校验。
• 使用示例：
  • 抓取全部页面：python scrape_etmoc.py
  • 测试抓取前5页：python scrape_etmoc.py 1 5
  • 调试单个产品：python scrape_etmoc.py --product 2127

5. 版权与使用说明

• 用途限制：仅限学习与数据分析研究，禁止商业用途。
• 版权声明：数据版权归烟草市场网所有。
• 健康提示：吸烟有害健康，戒烟可减少对健康的危害。

搜集汇总

数据集介绍

构建方式

中国卷烟产品目录数据集基于对烟草市场网（etmoc.com）产品列表页的全面爬取构建而成。通过自动翻页机制遍历约328个列表页面，获取所有产品的唯一标识符，进而深入每个产品详情页，精准提取品牌、中英文名称、产品类型、焦油量、烟碱量、一氧化碳量、包装形式、烟支规格、条码、零售价、批发价格、上市时间、产品简介以及网友评分等结构化信息。同时，脚本自动进入图集页，以高清原图形式下载产品包装图片。整个采集过程结合了requests与BeautifulSoup库，并内嵌云锁JS验证自动处理逻辑，确保数据获取的连续性与完整性。数据最终以结构化CSV文件与按产品ID命名的图片文件夹形式存储，便于后续分析调用。

使用方法

用户可通过运行Python脚本直接启动数据采集，支持指定页码范围以进行小规模测试或完整更新。脚本基于Python 3.8环境，仅需requests与beautifulsoup4两个核心依赖，部署门槛较低。采集中断后，重新执行同一命令即可自动从断点处续抓，无需手动干预。最终数据集以cigarettes.csv文件呈现，编码采用utf-8-sig，确保在Excel中可直接打开而不产生乱码。图片文件存储于images目录，命名规则清晰，每条数据的记录中包含与其对应的图片文件名列表，便于实现数据与多媒体文件的关联调用与分析。

背景与挑战

背景概述

中国卷烟产品目录数据集诞生于2023年左右，由独立开发者通过网络爬虫技术从烟草市场网（etmoc.com）构建而成。该数据集系统收录了约3300余条中国卷烟产品的详尽信息，涵盖品牌、规格、条码、价格、上市时间及网友评分等多元维度，并附有高清包装图片。其核心研究问题在于为烟草消费分析、市场趋势监测及公共健康政策制定提供结构化、可量化的数据基础。作为首个涵盖全品类中国卷烟产品规格与价格信息的开源数据集，它填补了该领域长期缺乏系统化学术数据资源的空白，对烟草经济、公共卫生及消费行为研究具有重要推动作用。

当前挑战

该数据集面临的核心挑战在于多维度数据的一致性与准确性难题。首先，所解决的领域问题涉及卷烟产品的标准化描述，但不同品牌在焦油量、烟碱量等指标上存在单位与格式差异，亟需数据清洗与归一化处理以支撑跨产品比较研究。其次，构建过程中遭遇了网站反爬机制的动态验证（如云锁JS验证）、网络波动导致的抓取中断，以及图片内容校验以防错误存储等技术障碍，迫使开发者设计断点续抓与自动过反爬验证的健壮架构。此外，价格与评分数据的时效性问题尤为突出——上市时间与零售价需持续更新以反映市场变动，而网友评分易受样本偏差影响，增加了数据分析的复杂性。

常用场景

经典使用场景

中国卷烟产品目录数据集汇聚了烟草市场网逾3300款卷烟产品的详尽规格信息，涵盖品牌、类型、焦油量、烟碱量、一氧化碳量、包装形式、烟支规格、条码、价格、上市时间、产品简介及网友评分等多维字段。该数据集最经典的运用场景在于烟草消费市场的量化分析与趋势洞察。研究人员可基于此数据集，系统性地剖析不同卷烟产品的理化指标分布特征，揭示产品类型（如烤烟型、混合型）与包装规格（如细支、中支、爆珠）之间的关联规律。同时，通过网友评分数据，可构建消费者偏好模型，评估口味、包装、性价比等属性对综合满意度的影响权重，进而绘制出卷烟产品的市场接受度图谱。该数据集为烟草行业研究提供了结构化的底层数据基础，支撑从产品结构到消费行为的全链路量化探索。

解决学术问题

该数据集精准回应了烟草科学领域中长期存在的几项关键学术难题。其一，它解决了卷烟产品信息碎片化、获取成本高的困境，此前研究多依赖零星官方公报或小样本调查，难以形成系统性的产品谱系认知。该数据集通过标准化字段整合三千余款产品，为研究者呈现了中国卷烟市场的完整图景，消除了数据孤岛。其二，它填补了消费者评分数据与产品理化属性之间关联分析的空白，使得研究者能够量化探讨焦油量、烟碱量等健康指标对消费者主观评价的影响机制，为公共卫生政策制定者评估控烟效果提供了实证依据。其三，该数据集的价格字段（小盒、条盒、批发价）使研究者得以构建价格梯度模型，剖析定价策略与品牌定位、产品特征之间的耦合关系。其意义在于，它将散落于网络各处的非结构化信息转化为可计算的科学数据，推动了卷烟流行病学、消费行为学及市场监管研究的数智化进程，为控烟政策效果评估提供了全新的数据驱动视角。

实际应用

在实际应用层面，中国卷烟产品目录数据集为多个行业领域提供了直接的决策支撑。在市场监管与反假冒场景中，其详尽的小盒与条盒条码字段可作为基准参照库，执法部门通过比对条码与实物信息，快速识别走私或假冒卷烟产品，提升稽查效率。对于烟草行业从业者而言，数据集中的价格体系（零售价与批发价）及上市时间信息，可用于区域市场定价策略的模拟与优化，评估新品上市的商业潜力。在零售终端管理领域，商家可借助数据集中的产品类型与规格分布，优化库存结构，精准匹配不同地区的消费偏好。此外，数据集内包装图片与产品简介字段为视觉识别系统（如自助售货机识别、APP扫码查价）提供了训练数据基础，支持烟草零售智能化设备的落地应用。这些实际场景的落地，充分彰显了数据集从学术研究向产业实践的穿透力与价值转化能力。

数据集最近研究

最新研究方向

中国卷烟产品目录数据集为烟草行业研究提供了结构化、多维度的产品信息支撑，当前研究方向聚焦于利用大数据与人工智能技术对卷烟产品特征进行深度挖掘。该数据集涵盖焦油量、烟碱量、一氧化碳量等理化指标，结合价格、包装、评分等市场反馈数据，可用于构建卷烟产品分类与品质预测模型，分析消费者偏好与健康风险关联。在控烟政策评估、新型烟草制品市场监测等热点事件推动下，该数据集的广泛应用有助于揭示产品配方演变趋势、监管漏洞及公共卫生影响，为行业规范与公共健康决策提供数据驱动的洞察。