电商竞品数据采集实战：商品价格、库存、评论的自动化抓取方案

竞品采集到底在采什么

做电商竞品监控，说到底就是盯着对手三个东西：价格、库存、评论。价格变了你要第一时间知道，库存空了你得赶紧补位，评论里冒出差评了你要研究对手的弱点。这三样数据加起来，就是竞品情报的基本盘。

但真上手采过的人都知道，这三样数据的抓取难度完全不在一个量级。价格相对好采——大部分平台的价格直接写在HTML里。库存就难了——很多平台不直接显示库存数量，你得从"仅剩X件"或"到货通知"这类间接信号推断。评论最难——平台对评论接口的反爬最严，分页深度大，数据结构复杂。

三个维度的采集难点

价格采集

价格是变化最频繁的维度，一个SKU一天可能调价3-5次。采集价格的核心难点有两个：一是动态渲染，部分平台价格通过JS加载，requests拿到的HTML里价格位置是空的；二是多规格SKU，同一商品不同颜色不同配置价格不同，需要遍历所有规格组合。

库存采集

库存是最难直接获取的维度。大多数平台不公开库存数量，需要从间接信号推断。

库存信号的四种类型：

评论采集

评论是数据量最大、反爬最严的维度。一个热门商品可能有上万条评论，分页可能超过100页。

评论采集的核心挑战：

分页深度大：需要自动翻页，控制频率避免触发反爬接口加密：部分平台评论接口参数有签名验证评论类型多：初始评论、追评、图片评论、视频评论结构不同排序差异：默认排序和时间排序返回不同评论，需要分别采集

代理IP方案

国内电商采集

国内电商平台用短效动态IP，API请求格式：

zllpmyyrp=_示例.com/?key=abc123&area=110100&isp=电信&count=2&pattern=json&rreg=true&rcity=true&risp=true&rexp=true

area指定城市代码（如110100为北京），isp指定运营商，count控制获取IP数量。

海外电商采集

海外电商平台用动态住宅IP，API请求格式：

zllpmyyrp=_示例.com/?key=abc123&cnt=AS&cty=JP&count=2&pattern=json&rcnt=true&rcty=true&rreg=true&risp=true&rexp=true

cnt指定洲代码（AS亚洲、EU欧洲、NA北美），cty指定国家代码（如JP日本、US美国）。

轮换策略

抓取方案设计

价格抓取要点

价格抓取的核心是"拿到正确的数字"。听起来简单，实际操作中有三个坑：

坑一：动态渲染。部分平台的价格通过JavaScript动态加载，requests拿到的HTML里价格位置是空的。两种解法：一是用无头浏览器（Playwright/Selenium）等待页面渲染完成后提取；二是分析页面的AJAX价格接口，直接请求接口拿JSON数据，绕过HTML解析。第二种方式更快更稳定，但需要逆向分析接口逻辑。

坑二：多价格类型。一个商品页面上可能同时出现划线价（原价）、促销价、到手价（优惠券后价格）。只采一个价格会导致数据失真——你以为竞品降价了，其实只是优惠券变了。建议三种价格同时采集，记录完整价格链。

坑三：多规格SKU。同一商品不同规格（颜色、尺寸、配置）价格不同。需要遍历所有SKU规格组合分别采集。部分平台的SKU价格需要点击规格按钮后才动态加载，这种情况下无头浏览器是更可靠的选择。

价格采集核心逻辑：

# 价格采集关键步骤（伪代码） proxy = get_proxy_from_fanproxy(area="110100", isp="电信") response = request_via_proxy(url, proxy) price = extract_price(response, selector=".price-current") # 同时记录划线价、促销价、到手价 prices = {    "original": extract_price(response, ".price-original"),    "promotion": extract_price(response, ".price-promotion"),    "final": extract_price(response, ".price-final") }

库存抓取要点

库存抓取的核心是"从间接信号推断"。大多数平台不直接告诉你库存还剩多少，需要从页面文本中提取线索。

库存信号关键词映射：

多城市库存对比： 部分平台不同城市的库存不同。用API的area参数指定不同城市代码，分别采集同一商品在不同城市的库存状态，可以推断竞品的区域仓储分布。

评论抓取要点

评论抓取是三个维度中最难的，核心挑战是"在反爬限制下采到足够多的评论"。

分页采集策略：

每页采集间隔5-10秒（评论接口反爬最严，必须降速）单IP最多采集2-3页评论后轮换连续2页返回空数据时自动停止（已到末页或被限流）同时采集默认排序和时间排序两种评论

验证码应对：评论采集比价格采集更容易触发验证码。检测到验证码关键词（“验证”“captcha”“人机验证”）时，立即轮换IP并增加延迟。不要尝试自动识别验证码——正确做法是通过IP轮换降低触发频率，从源头减少验证码出现。

评论去重：同一条评论可能在多次采集中重复获取。用评论内容MD5哈希做唯一索引，重复评论直接丢弃。

反爬应对策略

反爬机制与对策

请求行为模拟

反爬系统不只看IP，还看请求模式。三个要点：

随机延迟——请求间隔不要固定。用random.uniform(2.0, 8.0)生成2-8秒随机间隔，模拟真实用户的浏览节奏。

UA池轮换——准备5-10个不同的User-Agent，每次请求随机选一个。固定UA是自动化请求的明显特征。

Referer设置——采集评论时设置Referer为商品详情页URL，模拟从商品页点击进入评论区的真实用户行为。

数据存储与去重

存储结构

去重策略

价格去重：同一商品同一时间戳只保留一条记录。如果短时间内多次采集到不同价格，保留最新值（价格确实在变动）。

评论去重：用评论内容MD5哈希做唯一索引。同一条评论在多次采集中重复获取时直接丢弃。

库存去重：同一商品同一时间戳只保留一条记录。库存状态变化时（从"有货"变"缺货"）需要记录状态变更时间点。

采集频率建议

采集成功率监控

常见问题

采集到的价格和实际页面显示不一致怎么办？

大概率是动态渲染问题。部分平台的价格通过JavaScript动态加载，requests拿到的HTML中价格位置是空的。两种解法：一是用无头浏览器等待渲染完成后提取；二是分析AJAX价格接口直接请求JSON数据。

评论采集到第几页就没有数据了？

各平台评论分页深度不同。有些平台第5页之后返回空数据，有些能到50页。建议连续2页返回空数据时自动停止。

采集时频繁遇到验证码怎么办？

说明当前采集频率超过了目标网站的容忍阈值。三个调整方向：一是缩短IP轮换周期（从5分钟降到1-3分钟）；二是增加请求间隔随机延迟（从2-5秒增加到5-10秒）；三是降低单IP最大请求数（从30次降到15次）。如果调整后仍有验证码，考虑使用隧道代理——云端自动轮换IP，用户无需管理IP列表。

国内电商和海外电商的代理IP怎么选？

国内电商平台用短效动态IP，通过API的area参数指定城市、isp参数指定运营商，3000万+IP池覆盖全国300+城市。海外电商平台用动态住宅IP，通过API的cnt参数指定洲、cty参数指定国家，9000万+真实住宅节点覆盖全球200+国家。注意海外代理仅支持在境外网络环境下使用。

采集竞品数据合法吗？

采集公开页面信息属于合法的市场监测行为。但需注意：遵守目标网站robots协议，控制请求频率不影响目标网站正常运行，采集数据仅用于内部竞品分析，不对外公开或转售。

原文来自邦阅网 (52by.com) - www.52by.com/article/229255