第177篇_独立站商品采集

【Python爬虫实战】第177篇：独立站商品采集——Shopify独立站商品信息抓取与结构化

所属专栏：【Python爬虫实战】从零到企业级爬虫工程师（CSDN 付费专栏）

本篇篇目：第 177 篇（垂直行业数据采集专题）

难度等级：中级，掌握 requests 与 JSON 解析即可

阅读时长：约 30 分钟（跟着敲代码约 1.2 小时）

本篇技术栈：Python 3 · requests · pandas · openpyxl · 正则去标签 · 主从表结构

文章目录

• 【Python爬虫实战】第177篇：独立站商品采集——Shopify独立站商品信息抓取与结构化
• • @[toc]
  • 一、本篇导读：为什么专挑 Shopify 独立站
  • • 本篇学习清单
  • 二、环境准备
  • 三、目标分析：products.json 接口
  • • 3.1 接口怎么拼
    • 3.2 返回结构
    • 3.3 分页规律
    • 3.4 一对多结构：主表 + 变体子表
    • 3.5 采集流程
    • 3.6 JSON 字段速查
  • 四、核心代码拆解
  • • 4.1 请求商品列表
    • 4.2 富文本去标签
    • 4.3 拆主表与变体子表
    • 4.4 价格与库存类型归一
    • 4.5 双表落地
  • 五、完整脚本与运行
  • 六、运行结果
  • 七、踩坑排查手册
  • 八、进阶方向
  • 参考资料

一、本篇导读：为什么专挑 Shopify 独立站

做跨境电商调研、竞品选品时，你会接触到大量用 Shopify 搭起来的独立站。它们界面千差万别，但底层有个共同的"后门"：几乎每个 Shopify 店铺都开放了一个结构化商品接口——在店铺域名后面加/products.json，就能拿到全站商品的 JSON。

这意味着你不用和满屏的前端渲染、CSS 选择器死磕，直接拿到干净的结构化数据。本篇就把这个套路彻底讲透。完成本篇你将得到：

• 一个可复用的"Shopify 商品采集器"，换个店铺域名就能抓新站；
• 商品主表 + 变体子表的拆分设计（一对多关系怎么存）；
• 富文本描述去 HTML 标签、价格转浮点、库存归一的清洗函数；
• 离线可跑的演示工程，接真实店铺只改一行。

本篇学习清单

序号	学习目标	完成情况
1	跑通离线演示，产出两份 CSV	☐
2	理解 products.json 的分页规律	☐
3	掌握"一个商品多个变体"的主从表