使用 Python 爬取淘宝商品详情数据需要注意合法性 和反爬机制。淘宝有严格的反爬虫策略，直接爬取可能导致 IP 被封、账号受限等，且需遵守《电子商务法》及网站 robots 协议。以下是技术实现思路（仅供学习参考，请勿用于商业用途）：
一、核心挑战与应对
- 反爬机制：淘宝会检测 User-Agent、Cookie、请求频率，甚至使用验证码、滑块验证。
- 动态加载：商品数据多通过 JavaScript 动态渲染，直接请求 HTML 难以获取完整信息。
- 登录限制：部分商品详情需登录后查看，需处理登录状态。
淘宝/天猫获得淘宝商品详情 API 返回值说明
item_get-获得淘宝商品详情
taobao.item_get
公共参数
| 名称 | 类型 | 必须 | 描述 |
|---|---|---|---|
| key | String | 是 | 调用key（必须以GET方式拼接在URL中） |
| secret | String | 是 | 调用密钥 |
| api_name | String | 是 | API接口名称（包括在请求地址中）item_search,item_get,item_search_shop等 |
| cache | String | 否 | yes,no默认yes，将调用缓存的数据，速度比较快 |
| result_type | String | 否 | json,jsonu,xml,serialize,var_export返回数据格式，默认为json，jsonu输出的内容中文可以直接阅读 |
| lang | String | 否 | cn,en,ru翻译语言，默认cn简体中文 |
| version | String | 否 | API版本 |
请求参数
请求参数：num_iid=652874751412&is_promotion=1
参数说明：num_iid:淘宝商品ID
is_promotion:是否获取取促销价
响应参数
Version: Date:2022-04-04
| 名称 | 类型 | 必须 | 示例值 | 描述 |
|---|---|---|---|---|
| item | item\[\] | 1 | 宝贝详情数据(部分商品获取不到) |
二、实现思路（基于 Selenium 模拟浏览器）
使用 Selenium 模拟真实用户浏览行为，绕过部分反爬，步骤如下：
1. 环境准备
安装依赖：
pip install selenium webdriver-manager2. 代码示例（获取商品基本信息）
python
运行
from selenium import webdriver
from selenium.webdriver.chrome.service import Service
from selenium.webdriver.common.by import By
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC
from webdriver_manager.chrome import ChromeDriverManager
import time
import random
# 初始化浏览器（模拟真实用户）
options = webdriver.ChromeOptions()
# 添加随机User-Agent
user_agents = [
"Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.124 Safari/537.36",
"Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/605.1.15 (KHTML, like Gecko) Version/15.0 Safari/605.1.15"
]
options.add_argument(f"user-agent={random.choice(user_agents)}")
# 禁用自动化控制特征
options.add_experimental_option("excludeSwitches", ["enable-automation"])
options.add_experimental_option("useAutomationExtension", False)
driver = webdriver.Chrome(service=Service(ChromeDriverManager().install()), options=options)
# 规避webdriver检测
driver.execute_cdp_cmd("Page.addScriptToEvaluateOnNewDocument", {
"source": """
Object.defineProperty(navigator, 'webdriver', {
get: () => undefined
})
"""
})
def get_taobao_item_detail(item_id):
url = f"https://item.taobao.com/item.htm?id={item_id}"
driver.get(url)
try:
# 等待页面加载（处理可能的登录弹窗，若有则手动登录一次后保存Cookie）
WebDriverWait(driver, 10).until(
EC.presence_of_element_located((By.CSS_SELECTOR, ".tb-main-title"))
)
# 随机延迟，模拟人类浏览
time.sleep(random.uniform(2, 4))
# 提取商品信息（选择器可能随页面更新而变化，需自行调试）
item = {
"title": driver.find_element(By.CSS_SELECTOR, ".tb-main-title").text.strip(),
"price": driver.find_element(By.CSS_SELECTOR, ".tb-rmb-num").text.strip(),
"sales": driver.find_element(By.CSS_SELECTOR, ".tm-ind-sellCount .tm-count").text.strip(),
"shop": driver.find_element(By.CSS_SELECTOR, ".tb-shop-name a").text.strip()
}
print("商品信息：", item)
return item
except Exception as e:
print("获取失败：", str(e))
return None
finally:
# 关闭浏览器（实际使用可保持连接，复用Cookie）
# driver.quit()
pass
# 示例：爬取某个商品（替换为实际商品ID）
get_taobao_item_detail("1234567890") # 此处ID为示例，需替换为真实商品ID三、关键优化（反爬应对）
- Cookie 持久化：手动登录一次后，保存 Cookie 到文件，后续请求携带 Cookie 避免重复登录。
- 代理 IP 池：使用代理服务（如阿布云）轮换 IP，避免本地 IP 被封。
- 随机行为模拟 ：
- 随机请求间隔（2-5 秒）
- 模拟鼠标滚动、点击等操作
- 解析动态接口 ：通过浏览器开发者工具（F12）分析网络请求，找到返回 JSON 数据的接口（如
https://h5api.m.taobao.com/h5/mtop.taobao.detail.getdetail/6.0/），直接请求接口效率更高（需破解签名参数，难度较大）。
四、注意事项
- 合法性：淘宝商品数据受版权保护，未经允许爬取可能涉嫌侵权，建议通过淘宝开放平台（如 商品API接口）获取授权数据。
- 反爬风险：即使优化后，仍可能被检测，导致账号封禁或 IP 限制。
- 页面变化：淘宝频繁更新页面结构，选择器（CSS/XPath）需定期调试更新。