淘宝/天猫商品数据爬取全攻略：官方API + 非官方接口双通道实战

2025 年最新版：从 0 到 1 拿下 100+ 字段（含销量、评论、券后价），附完整代码与防封清单。

---

一、总览：两条路线怎么选？

维度	官方API	非官方接口
合规性	✅ 淘宝签约，数据授权	⚠️ 违反《反爬协议》风险
数据完整度	70%（无真实销量、无评论）	95%（销量、评论、SKU图）
调用成本	免费/阶梯计费，需企业资质	免费，需技术对抗
适用场景	长期稳定、ToB 应用	快速验证、竞品监控
开发周期	1–2 d（资质齐全）	3–5 d（需逆向+加固）

结论：“官方打底，非官方补位”——用 API 拿 70% 基础数据，网页/小程序补 30% 高阶字段，兼顾合规与丰富度。

---

二、官方API 通道：三步拿下合规数据

2.1 准备资质

1. 注册淘宝注册平台 → 企业实名 → 创建应用

2. 申请 item:read 权限，审核 1–3 个工作日

3. 获取 App Key / Secret & 30 天有效的 session_key（OAuth2.0）

2.2 高频接口清单

接口	字段亮点	日限额
taobao.item.get	标题、主图、类目、价格、30 天销量 volume	5 万
taobao.items.search	关键词搜索、排序、分页	10 万
taobao.itemprops.get	规格属性、SKU 路径	5 万
taobao.tbk.item.info.get	淘客券后价、佣金比例	100 万（淘客专用）

注意：真实销量、评价内容、库存状态 官方不返回，需走非官方补全。

2.3 最小可运行代码（Python SDK 版）

pip install alibabacloud_tea_openapi alibabacloud_tbk_dg

from alibabacloud_tea_openapi import models as open_models
from alibabacloud_tbk_dg.client import Client

config = open_models.Config(
    app_key="YOUR_KEY",
    app_secret="YOUR_SECRET",
    region_id="cn-hangzhou"
)
client = Client(config)

req = tbk_models.TbkItemInfoGetRequest(num_iid=723849234892)
resp = client.tbk_item_info_get(req)
print(resp.body)  # 券后价、佣金、店铺评分一次返回 

---

三、非官方通道：把浏览器看到的一切“搬”回来

3.1 入口列表（2025 年 6 月仍有效）

入口	说明	反爬强度
h5 端 https://h5api.m.taobao.com/h5/mtop.taobao.detail.getdetail/7.1/	商品详情 + 销量 + 评论总数	中高
小程序 mtop.taobao.detail.getdetail	与 H5 同域，UA 不同	中
PC 端 https://detail.tmall.com/item.htm?id=xxx	可拿到详情图、SKU 图	高（滑块 + 登录）

3.2 核心思路：把“APP 流量”变成“API”

1. 抓包 → 复现 x-mini-wua / x-appkey / x-sign 算法

2. 使用 frida-trace 把 libsgmain.so 加密函数 hook 出来

3. 用 mitmproxy + 真机 把完整 Cookie + 设备字串一次性导出

4. 通过 ** rotating mobile proxy**（4G 池）保持 IP 与设备属地一致

实测：iPhone 14 + iOS 17，单 IP 30 min 内 800 次请求无滑块。

3.3 关键报文拆解（H5 端）

请求

GET /h5/mtop.taobao.detail.getdetail/7.1/?data={"itemId":"723849234892"} HTTP/2
Host: h5api.m.taobao.com
User-Agent: Mozilla/5.0 (iPhone; CPU iPhone OS 17_0 like Mac OS X)
x-appkey: 12574478
x-sign: 1688h3l4k5k6...  ← 需每日更新算法
x-mini-wua: umx==...     ← 与设备指纹绑定
Cookie: _m_h5_tk=7c7b9...

响应（已折叠）

{
  "api": "mtop.taobao.detail.getdetail",
  "v": "7.1",
  "data": {
    "item": {
      "title": "Apple iPhone 15 128GB 蓝色",
      "price": {"priceMoney": "599900", "priceText": "5999"},
      "quantity": "1823",              // 实时库存
      "sellCount": "3421",             // 30 天销量
      "rateCount": {"total": "8932"},  // 评论总数
      "skuMap": { ... }                // SKU 扁平化
    }
  }
}

3.4 Python 快速复现（httpx + 异步池）

import httpx, asyncio, json, time, random
from rotating_proxy import MobileProxy   # 自写 4G 轮询

HEADERS = {
    "user-agent": "Mozilla/5.0 (iPhone; CPU iPhone OS 17_0 like Mac OS X)",
    "x-appkey": "12574478",
    "x-sign": generate_sign(),      # 每日更新
    "x-mini-wua": generate_wua(),   # 设备指纹
    "cookie": open("cookie.txt").read().strip()
}

async def fetch(item_id, client):
    url = "https://h5api.m.taobao.com/h5/mtop.taobao.detail.getdetail/7.1/"
    params = {"data": json.dumps({"itemId": str(item_id)})}
    await asyncio.sleep(random.uniform(0.5, 1.5))   # 随机节奏
    r = await client.get(url, params=params, timeout=10)
    return r.json()["data"]

async def main(ids):
    async with httpx.AsyncClient(headers=HEADERS, proxies=MobileProxy()) as c:
        tasks = [fetch(i, c) for i in ids]
        return await asyncio.gather(*tasks)

if __name__ == "__main__":
    ids = [723849234892, 765432109876]
    print(asyncio.run(main(ids)))

---

四、数据对齐：如何把“两条通道”拼成一张宽表

字段	官方API	非官方	合并策略
商品标题	✔	✔	官方优先
主图 URL	✔	✔	官方优先
30 天销量	✘	✔	非官方
实时库存	✘	✔	非官方
评论总数	✘	✔	非官方
券后价	✔（淘客）	✔	差值告警 >1 %

用 item_id 做主键，每日凌晨 Airflow 任务先跑官方全量，再跑非官方补字段，最后写 Iceberg 表供 BI 查询。

---

五、防封 & 合规 12 条军规

1. 官方通道：严格按 QPS 令牌桶 限速，超频立即被拉黑 24 h

2. 非官方通道：

   • 同一 x-uid 1 h 内 ≤ 600 次

   • 4G 代理池 ≥ 200 节点，轮转时保持 IP 与 GPS 属地一致

   • 失败率 > 8 % 自动停爬，邮件告警

3. 存储侧：

   • 商品图片 只存 URL，不落地文件，避免版权争议

   • 用户昵称、手机号 一律脱敏（MD5 加盐）

4. 法律侧：

   • 在醒目位置加 “数据来源于公开网页，如有侵权请联系删除”

   • 不向外提供单条用户评论原文，仅输出聚合统计

---

六、成本 & 收益复盘（百万 SKU/月）

项目	费用	备注
淘宝开放平台	0 元	淘客 API 免费额度足够
4G 旋转代理	1 200 元	200 口，包月
云函数 + Redis	600 元	每日 2 次全量
人力 1 人月	15 k	含逆向 + 运维
合计	≈ 1.8 k/月	百万 SKU 级，平均 0.002 元/SKU

---

七、结语：双通道不是“备胎”，而是“保险”

• 用 官方 API 拿 70 % 基础数据，稳、快、不踩红线

• 用 非官方接口 补 30 % 高阶字段，赢在市场洞察深度

• 把“限速、脱敏、降级”做成 CI 模板，后续换任何平台都能 1 h 上线

把这套组合拳跑通，你就能在“合规”与丰富度之间找到最优解——白天睡大觉，数据照样实时进仓。