Excel VBA批量抓取亚马逊商品主图：从HTML解析到本地下载

如果你干过电商运营、跨境选品或者自媒体素材整理，大概率遇到过这种破事：手里几十上百个亚马逊商品链接，老板只丢给你一句“把这些产品主图都弄下来”。于是一个个打开详情页、右键另存、再改名归档，一干就是一下午。这活儿我接了不少次，后来索性用Excel做了一套网页抓取方案，直接批量抓亚马逊商品主图，省下的时间够我安心摸半天鱼。

这套方案的核心思路很简单：用Excel自带的VBA发送HTTP请求，拿到商品详情页的HTML源码，再从源码里定位主图链接，最后批量下载。全程不需要安装Python、不需要额外插件，只要你的Excel能运行宏就行。Power Query的玩家也能实现类似效果，只是下载到本地这一步绕一点。无论你是运营、采购助理还是独立创业者，只要能看懂Excel公式，这套流程你基本都能跑通。

下面我把完整的实现思路、踩过的坑和维稳经验一次性写出来，代码可以直接抄。

1. 为什么拿Excel抓图，而不是正经写个Python脚本

很多朋友第一反应是：网页抓取不是应该用Python的requests加BeautifulSoup吗？你说得对，Python生态做这个确实更顺手。但你得先搞清楚需求发生在谁身上。

1.1 这种需求往往落在不会Python的人手里

电商运营的日常工作里，抓商品图这种事往往不是技术岗来做的。跨境铺货要整理Listing素材、自媒体要收集同行动态、采购要留档供应商产品图，干这些活的人大多数只会Excel。让他们装Python环境、配pip源、再手写一个爬虫脚本，不现实，没那个时间也没那个必要。

Excel的好处是零门槛：文件双击打开，A列贴ASIN，B列点一下按钮，结果直接落进表格。同事之间交接也方便，把.xlsm文件发过去就行，不需要对方装任何依赖。在大数据、人工智能这些概念满天飞的今天，很多人反而忽略了一个事实——Excel本身就是一套完整的编程环境，VBA能干的脏活比大多数人想象得多。

1.2 Excel里其实有两条抓取路线

• VBA + MSXML2.XMLHTTP：自由度最高，能控制请求头、能拿原始HTML、能调用系统API下载文件，适合需要批量落盘的场景。
• Power Query 从Web获取：鼠标操作多，适合做可刷新报表，比如每天更新一次主图链接列表，但不适合直接把图片文件存到本地文件夹。

我两种都用过，结论是：如果只拿原图链接去交给设计师或供应链，Power Query更快；如果要求图片直接躺在文件夹里、按商品编号命名，VBA是唯一省事的路。

1.3 这套方案的能力边界要先讲清楚

Excel网页抓取有个大前提：目标页面必须是服务端渲染的静态HTML。所谓静态HTML，就是服务器直接把完整的页面内容返回来，图片链接、标题、价格这些都写在源代码里。亚马逊的商品详情页主体符合这个特征，所以可行。

但如果你要抓的是大量依赖JavaScript动态渲染的页面——页面上只有一个空壳，数据是脚本跑完之后才填进去的——那VBA里的XMLHTTP拿到的源码里根本没有图片链接，这套方案会直接失败。对于需要登录后才能看内容的页面，XMLHTTP默认不带Cookie，也得先处理会话状态，复杂度一下子就上去了。所以这里我必须划个范围：本方案的目标就是亚马逊公开商品详情页，别拿它去硬刚所有网站。

2. 亚马逊详情页里，主图到底藏在哪里

想从HTML里把主图抠出来，你得先搞清楚页面结构。这一步比写代码还重要，很多抓取脚本跑着跑着就废，就是因为没搞懂目标长什么样。

2.1 从ASIN到详情页URL

亚马逊每个商品都有一个唯一的ASIN编码（Amazon Standard Identification Number），是一串10位左右的字母数字组合。它在详情页URL里就能看到，比如：

https://www.amazon.com/dp/B0ABC123XY

这个B0ABC123XY就是ASIN。批量操作时，你只需要准备一份ASIN清单，按这个规则拼URL。也可以用/gp/product/开头的旧格式，效果一样。

有一点要提醒：很多人想直接从搜索页或类目页抓主图，那里ASIN藏在链接和数据属性里，解析难度会上一个台阶。我的经验是尽量拿的是商品详情页URL，省心。

2.2 主图在源码里的特征标签

打开一个商品详情页，按Ctrl+U查看源代码，搜索landingImage，你能看到类似这样的结构：

<div id="main-image-container"> <div id="imgTagWrapperId" class="imgTagWrapper"> <img id="landingImage" >Function GetHtml(ByVal url As String) As String Dim http As Object Dim stream As Object Set http = CreateObject("MSXML2.XMLHTTP") With http .Open "GET", url, False .setRequestHeader "User-Agent", "Mozilla/5.0 (Windows NT 10.0; Win64; x64)" .setRequestHeader "Accept", "text/html,application/xhtml+xml" .send End With Set stream = CreateObject("ADODB.Stream") stream.Type = 1 ' adTypeBinary stream.Open stream.Write http.responseBody stream.Position = 0 stream.Type = 2 ' adTypeText stream.Charset = "utf-8" GetHtml = stream.ReadText stream.Close Set http = Nothing End Function

这里有一个很多人容易写错的顺序：必须先以二进制模式写入responseBody，然后把Position归零，再切换成文本模式、设置Charset。颠倒顺序或者直接读ResponseText，编码处理都会出问题。

3.3 第二步：从HTML中定位主图URL

提取主图链接，网上很多教程会让你写一段正则。但我要提醒你一个VBA正则的天坑：VBScript.RegExp不支持非贪婪量词*?。如果你习惯Python正则的写法，想在两个landingImage标签之间做“最短匹配”，VBA的正则引擎会乱套。

所以我改用更朴素的字符串定位法：先找到id="landingImage"的位置，从这里出发找>Function ExtractMainImage(ByVal html As String) As String Dim pos As Long Dim p1 As Long Dim p2 As Long pos = InStr(1, html, """landingImage""", vbTextCompare) If pos = 0 Then Exit Function p1 = InStr(pos, html, "data-old-hires=", vbTextCompare) If p1 = 0 Then p1 = InStr(pos, html, "src=", vbTextCompare) End If If p1 = 0 Then Exit Function p1 = InStr(p1, html, """", vbTextCompare) + 1 p2 = InStr(p1, html, """", vbTextCompare) If p2 = 0 Then Exit Function ExtractMainImage = Mid$(html, p1, p2 - p1) End Function

这段代码最妙的地方是只用了一个""landingImage""的锚点。你不需要管imgTagWrapperId是什么，不需要理解嵌套div，只要页面上存在这个ID，链接就能稳定抓到。真到了页面改版的那天，你大概率只需要调整这一行锚点字符串。

3.4 第三步：调用系统API把图片存到本地

图片URL拿到之后，用Windows自带的urlmon库里的URLDownloadToFile直接下载，又快又稳。这段声明兼容32位和64位Office，直接复制即可。

#If VBA7 Then Private Declare PtrSafe Function URLDownloadToFile Lib "urlmon" Alias "URLDownloadToFileA" _ (ByVal pCaller As LongPtr, ByVal szURL As String, _ ByVal szFileName As String, ByVal dwReserved As LongPtr, _ ByVal lpfnCB As LongPtr) As Long #Else Private Declare Function URLDownloadToFile Lib "urlmon" Alias "URLDownloadToFileA" _ (ByVal pCaller As Long, ByVal szURL As String, _ ByVal szFileName As String, ByVal dwReserved As Long, _ ByVal lpfnCB As Long) As Long #End If Function DownloadImage(ByVal imgUrl As String, ByVal savePath As String) As Boolean If Len(imgUrl) = 0 Then Exit Function Dim ret As Long ret = URLDownloadToFile(0, imgUrl, savePath, 0, 0) DownloadImage = (ret = 0) End Function

如果返回0，说明下载成功。非0值一般是网络不通、URL无效或路径不存在。实际操作中，我建议下载前用Dir确认保存目录存在，不存在就先MkDir创建。

3.5 批量主控：A列ASIN，B列URL，C列状态

把上面几个函数串起来，批量逻辑其实很简单：

Sub BatchDownloadMainImages() Dim ws As Worksheet Set ws = ThisWorkbook.Sheets("Sheet1") Dim lastRow As Long lastRow = ws.Cells(ws.Rows.Count, "A").End(xlUp).Row Dim i As Long Dim html As String Dim imgUrl As String Dim savePath As String For i = 2 To lastRow Application.StatusBar = "正在处理第 " & (i - 1) & " / " & (lastRow - 1) & " 条" Dim asin As String asin = Trim$(ws.Cells(i, 1).Value) If Len(asin) = 0 Then Exit For html = GetHtml("https://www.amazon.com/dp/" & asin) imgUrl = ExtractMainImage(html) If Len(imgUrl) > 0 Then ws.Cells(i, 2).Value = imgUrl savePath = ThisWorkbook.Path & "\images\" & asin & ".jpg" If DownloadImage(imgUrl, savePath) Then ws.Cells(i, 3).Value = "OK" Else ws.Cells(i, 3).Value = "下载失败" End If Else ws.Cells(i, 2).Value = "未找到主图" ws.Cells(i, 3).Value = "跳过" End If Call WaitRandom Next i Application.StatusBar = False MsgBox "处理完成，共 " & (lastRow - 1) & " 条" End Sub

建议在A列从第2行开始放ASIN，第一行放表头。B列会自动填充主图URL，C列是状态标记。处理完以后，你除了拿到一堆图片文件，表格本身也是一份带链接的商品素材台账，后面给设计、给工厂都方便。

3.6 处理间隔：请求之间必须留缓冲

网页抓取最忌讳“突突突”连续请求。我用一个随机延时来控制频率，每次抓完一个页面暂停2到5秒：

Sub WaitRandom() Randomize Dim waitSec As Double waitSec = 2 + Rnd * 3 Application.Wait DateAdd("s", waitSec, Now) End Sub

随机延时的意义在于让请求节奏更接近人工浏览，而不是固定间隔的定时扫描。固定间隔容易被识别成机器行为，随机间隔的表现会自然很多。

4. 跑通之后的高频问题：请求拦截、页面变更、结果失真

流程能跑只是第一步。我自己用了这套方案几个月后，陆陆续续踩到几个坑，这里把现象、排查方法和对策一次性说透。

4.1 被拦了：请求返回答验证码页面

连续抓取几十条之后，某个ASIN返回的HTML不再是正常详情页，而是一个验证码页面，提示“Enter the characters you see below”。这不是你的代码坏了，是亚马逊的反爬机制介入了，它觉得你的IP请求太密集。

我的对策分三层：

• 请求间隔放大：脚本里加入上面说的随机延时，失败率能明显下降。
• 失败计数熔断：记录连续失败次数，比如连续3次失败就停止脚本，等十几分钟再手动续跑。批量任务完全可以断点续跑，因为状态列已经记录了进度。
• 降低并发：不要开多个Excel进程同时跑同一批ASIN，那样等于自爆IP。

如果验证码页面偶尔出现，脚本里加个判断：html里包含"captcha"或者"robot"字样时，标记为“疑似拦截”，而不是直接报“未找到主图”，这样排查时一眼就能看出问题性质。

4.2 页面改版了：大面积抓不到图的处理思路

2022年的时候，亚马逊对部分站点的图片节点做过一轮调整，很多老脚本一夜之间全部失效。当时的症状是大量ASIN返回“未找到主图”，但浏览器里打开页面图片显示正常。

我的排查链路是：先手动查一个失败ASIN的源码，按Ctrl+F搜>let html = try Web.BrowserContents("https://www.amazon.com/dp/" & [ASIN]) otherwise "", marker = Text.PositionOf(html, "data-old-hires=""), result = if marker >= 0 then Text.BeforeDelimiter( Text.AfterDelimiter(html, "data-old-hires="""), """" ) else "未找到主图" in result

公式的逻辑和VBA里的ExtractMainImage完全一致，只是换了M语言实现。注意Text.AfterDelimiter里我给的分隔符是带引号的>