一、方案概述
本文提供两种爬取天猫商品数据的技术方案：
- 官方API方案：合法合规，需企业资质，推荐长期稳定使用
- 非官方接口方案：适合快速验证需求，需技术对抗反爬机制
二、官方API方案详解
1. 天猫开放平台接口
- 适用场景：企业级数据采集需求
- 接口优势：
- 数据完整度高（含商品详情、价格、评论等）
- 官方维护，稳定性强
- 支持分页和批量查询
开发步骤：
- 注册开发者账号：https://o0b.cn/9CDVa2
- 申请接口权限：
- taobao.item.get：商品详情
- taobao.items.search：商品搜索
- 安装SDK：
pip install alibabacloud-python-sdk-core
- 签名请求示例：
from alibabacloud_tea_openapi import models as open_api_models
from alibabacloud_tbk_dg import models as tbk_dg_models
from alibabacloud_tbk_dg.client import Client
config = open_api_models.Config(
app_key="your_app_key",
app_secret="your_app_secret",
region_id="cn-hangzhou"
)
client = Client(config)
request = tbk_dg_models.TbkItemInfoGetRequest(
num_iid=654321 # 商品ID
)
response = client.tbk_item_info_get(request)
print(response.body)
三、非官方接口实战
1. 接口逆向分析
核心API：
GET https://h5api.m.taobao.com/h5/mtop.taobao.detail.getdetail/6.0/
参数构造：
{
"itemNumId": "654321",
"isForbidBuyItem": false,
"isForbidPromotion": false,
"sellerId": "123456"
}
关键参数说明：
| 参数名 | 作用 | 生成方式 |
| sign | 签名验证 | JS逆向生成（需解密） |
| t | 时间戳 | 当前时间戳（秒级） |
| User-Agent | 浏览器指纹 | 随机生成（如iOS/Android） |
2. Python实现示例
import requests
import execjs
# JS解密逻辑（需根据实际逆向代码调整）
with open('sign.js', 'r') as f:
sign_js = f.read()
ctx = execjs.compile(sign_js)
sign = ctx.call('generate_sign', params)
headers = {
'User-Agent': 'Mozilla/5.0 (iPhone; CPU iPhone OS 14_6 like Mac OS X) AppleWebKit/605.1.15 (KHTML, like Gecko) Version/14.1.1 Mobile/15E148 Safari/604.1',
'Cookie': 't=your_cookie; cna=xxx;'
}
url = f'https://h5api.m.taobao.com/h5/mtop.taobao.detail.getdetail/6.0/?sign={sign}&data={data}'
response = requests.get(url, headers=headers)
print(response.json())
四、反反爬策略
1. 动态参数对抗
- sign参数：定期更新解密逻辑
- t参数：每次请求生成新时间戳
- User-Agent：使用fake_useragent轮换
2. 代理池方案
from requests_rotating_proxy import RotatingProxyManager
proxy_manager = RotatingProxyManager([
'http://user:pass@proxy1.com:8080',
'http://user:pass@proxy2.com:8080'
])
response = requests.get(url, proxies=proxy_manager.get_proxy())
3. 行为模拟
# 随机延迟（0.5-2秒）
time.sleep(random.uniform(0.5, 2.0))
# 模拟真实用户行为
# 可结合selenium/playwright添加鼠标移动、点击等操作
五、数据解析与存储
1. 核心字段提取
data = response.json()
item_info = {
'商品ID': data['itemNumId'],
'标题': data['title'],
'价格': data['price']['viewPrice'],
'销量': data['soldQuantity'],
'评论数': data['reviewCount']
}
2. 存储方案
- 结构化存储：MySQL/PostgreSQL
- 分布式存储：HBase/Elasticsearch
- 临时缓存：Redis（存储已爬取商品ID）
六、注意事项
- 法律合规：
- 遵守《电子商务法》第24条用户信息保护规定
- 避免爬取用户隐私数据（如收货地址）
- 反爬对抗：
- 定期更新JS解密逻辑
- 使用分布式高匿代理（推荐Bright Data）
- 性能优化：
- 异步请求（aiohttp+asyncio）
- 结果缓存（Redis LRU策略）
七、扩展应用场景
- 商品比价监控：定时获取价格波动数据
- 竞品分析：监控同类商品销量、评价
- 库存预警：监听stockQuantity字段变化
- 评论情感分析：结合NLP处理用户评价
八、推荐工具链
| 工具类型 | 推荐工具 |
| 浏览器自动化 | Playwright（首选）、Selenium |
| 请求库 | aiohttp（异步）、httpx（HTTP/2） |
| 数据解析 | lxml（XPath）、BeautifulSoup |
| JS逆向 | Charles + Jadx + PyExecJS |
| 代理池 | Bright Data、Oxylabs |
倘若您遭遇任何疑惑，或者存在更进一步的需求，烦请随时通过私信或评论。
