×

服装网 item_search 接口对接全攻略:从入门到精通

万邦科技Lex 万邦科技Lex 发表于2025-11-13 09:20:51 浏览64 评论0

抢沙发发表评论

                注册账号免费测试服装网API数据接口

服装网(聚焦服饰、鞋包、配饰等时尚品类)的商品搜索功能(item_search接口,非官方命名)是获取服装类商品列表的核心入口。数据包含风格标签、尺码范围、材质成分、价格区间等时尚特有字段,对电商选品、潮流分析、比价工具等场景具有关键价值。由于平台无公开官方 API,开发者需通过页面解析实现搜索对接。本文系统讲解接口逻辑、参数解析、技术实现及时尚场景适配策略,助你构建稳定的服装商品列表获取系统。

一、接口基础认知(核心功能与场景)

  1. 核心功能服装网item_search接口通过关键词、分类、风格、价格等条件筛选商品,返回符合条件的列表数据,核心字段聚焦时尚特性:
    • 基础信息:商品 ID(item_id)、标题(含风格 / 季节,如 “2024 秋季复古风衣”)、主图、品牌、类目(如 “女装 > 外套”)、详情页 URL

    • 价格信息:当前价、原价、优惠标签(如 “限时 8 折”)、价格区间(多规格商品)

    • 规格摘要:核心尺码(如 “S/M/L”)、颜色选项(如 “黑 / 白 / 粉”)、库存状态(如 “现货”“预售”)

    • 商品特性:风格标签(如 “通勤”“甜辣”)、材质关键词(如 “纯棉”“真皮”)、适用季节、版型(如 “宽松”“修身”)

    • 热度数据:销量(如 “月销 1000+”)、收藏数、评分(如 “4.8 分”)

  2. 典型应用场景
    • 电商选品工具:搜索 “冬季羽绒服”,按 “90% 白鸭绒 + 修身版型” 筛选高性价比款式

    • 潮流趋势分析:跟踪 “牛仔裤” 的风格标签变化(如 “直筒→微喇”),预测流行趋势

    • 精准营销:筛选 “大码女装” 类目下 “通勤风格 + 价格 200-500 元” 的商品,定向推送目标用户

    • 比价监控:对比同款连衣裙在不同平台的价格、优惠活动及库存状态

  3. 接口特性
    • 时尚导向性:筛选条件与数据字段深度结合服饰场景(如 “风格”“版型”“材质”)

    • 非官方性:依赖 HTML 解析,无公开 API,动态加载内容多(如分页数据、筛选条件联动)

    • 反爬机制:包含 IP 限制(高频请求封锁)、User-Agent 校验、Cookie 验证(部分价格 / 库存需登录)

    • 分页结构:默认每页 40 条,最多支持 50 页(约 2000 条结果),分页参数通过 URL 传递

    • 多维度筛选:支持按分类、价格、风格、材质、尺码、发货地等多条件组合筛选

二、对接前置准备(参数与 URL 结构)

  1. 开发环境
    • 网络请求:requests(同步)、aiohttp(异步批量搜索)

    • 页面解析:BeautifulSoup(静态 HTML)、lxml(XPath 提取列表数据)

    • 反爬工具:fake_useragent(随机 UA)、proxy_pool(代理 IP 池)

    • 数据处理:re(正则提取销量、价格)、urllib.parse(URL 参数编码)

    • 开发语言:Python(推荐,适合处理动态筛选与反爬)

    • 核心库:

  2. 搜索 URL 结构与核心参数服装网搜索页基础 URL 为:https://www.fuzhuang.com/search/,核心参数通过查询字符串传递:
    筛选条件参数名示例值说明
    关键词keyword羽绒服 → 编码后为%E7%BE%BD%E7%BB%92%E6%9C%8D支持商品名、风格(如 “通勤风”)、材质(如 “纯棉”)
    分类 IDcat_id101(女装)、203(男鞋)分类 ID 需从导航栏解析获取(如 “女装> 外套” 对应101_305
    价格区间(始)price_min200最低单价(元)
    价格区间(终)price_max500最高单价(元)
    风格style通勤 → 编码后为%E9%80%9A%E5%8B%89支持多风格(用逗号分隔,如 “通勤,复古”)
    材质material真皮单一材质(如 “棉”)或组合(如 “棉 + 聚酯纤维”)
    尺码范围size_range大码均码筛选特定尺码商品(如 “大码” 含 XL 及以上)
    库存状态stock1(现货)、2(预售)区分现货与预售商品
    排序方式sortprice_asc(价格升序)、sales(销量降序)见 “排序参数表”
    分页page1 2 ... 50页码,默认 1,最大 50
  3. 排序参数表服装网搜索支持时尚电商常用排序方式,对应sort参数值如下:
    排序方式sort参数值适用场景
    综合推荐空值默认排序,平衡相关性与热度
    价格升序price_asc平价商品筛选(如基础款 T 恤)
    价格降序price_desc高端商品筛选(如真皮包包)
    销量降序sales爆款商品筛选(如当季流行款)
    最新上架new新品趋势跟踪(如季节新款)
    好评优先rating品质优先筛选(如高评分连衣裙)
  4. 分类 ID 与风格映射
    • 分类 ID:访问服装网分类页(https://www.fuzhuang.com/category/),通过开发者工具查看类目链接的href(如/category/101_305/101_305为 “女装> 外套” 的 ID);

    • 风格映射:通过搜索页筛选栏的 “风格” 选项提取关键词(如 “通勤”“甜辣”“复古”),直接作为style参数值(需 URL 编码)。

三、接口调用流程(基于页面解析)

以 “搜索 200-500 元的通勤风格纯棉连衣裙,仅看现货,按销量降序排序” 为例,流程为参数组装→URL 构建→请求发送→列表解析→分页遍历
  1. URL 构建示例组合参数生成目标搜索 URL:
    python
    运行
    keyword = "连衣裙"cat_id = "101_208"  # 女装>连衣裙分类IDprice_min = 200price_max = 500style = "通勤"  # 风格material = "棉"  # 材质stock = 1  # 仅现货sort = "sales"  # 销量降序page = 1# 关键词与风格URL编码encoded_keyword = urllib.parse.quote(keyword, encoding="utf-8")encoded_style = urllib.parse.quote(style, encoding="utf-8")# 构建URLurl = f"https://www.fuzhuang.com/search/?keyword={encoded_keyword}&cat_id={cat_id}&price_min={price_min}&price_max={price_max}&style={encoded_style}&material={material}&stock={stock}&sort={sort}&page={page}"
  2. 请求头与反爬伪装模拟用户浏览行为,需包含登录态 Cookie 以获取完整价格和库存信息:
    python
    运行
    headers = {
        "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/118.0.0.0 Safari/537.36",
        "Referer": "https://www.fuzhuang.com/category/women/",
        "Accept": "text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8",
        "Cookie": "session_id=xxx; user_id=xxx"  # 登录后从浏览器获取}
  3. 页面解析与数据提取搜索结果列表通常在 HTML 的<div class="product-list">标签内,每条商品信息包含以下核心字段:
    字段解析方式(CSS 选择器示例)说明
    商品 IDa标签的href中提取(如/item/123.html123唯一标识
    标题.product-title的文本如 “2024 秋季纯棉通勤连衣裙 修身”
    主图.product-img imgsrc属性商品主图 URL
    价格.price-current的文本(去除 “¥”)如 “359.00”(元)
    风格标签.style-tags span的文本列表["通勤", "修身", "秋季"]
    规格摘要.spec-brief的文本如 “颜色:黑 / 白 / 灰尺码:S-L”
    销量.sales-count的文本(提取数字)如 “月销 890” 提取 “890”
    品牌.brand-name的文本如 “XX 女装”
    库存状态.stock-tag的文本如 “现货”“预售(7 天发)”
  4. 分页处理
    • 分页通过page参数控制,前 50 页为有效数据,超过则返回空结果;

    • 终止条件:当前页商品数量 < 40(最后一页)或页码≥50;

    • 分页间隔:每页请求间隔 2-4 秒(随机波动),避免触发反爬(服装网对高频搜索敏感)。

四、代码实现示例(Python)

以下是item_search接口的完整实现,包含多条件筛选、分页遍历、数据解析及反爬处理:
import requests
import time
import random
import re
import urllib.parse
from bs4 import BeautifulSoup
from fake_useragent import UserAgent
from typing import List, Dict

class FuzhuangSearchApi:
    def __init__(self, proxy_pool: List[str] = None, cookie: str = ""):
        self.base_url = "https://www.fuzhuang.com/search/"
        self.ua = UserAgent()
        self.proxy_pool = proxy_pool  # 代理池列表,如["http://ip:port", ...]
        self.cookie = cookie  # 登录态Cookie(用于完整价格和库存)
        # 分类ID映射(简化版)
        self.category_map = {
            "女装-连衣裙": "101_208",
            "男装-牛仔裤": "301_402",
            "女鞋-马丁靴": "501_603"
        }

    def _get_headers(self) -> Dict[str, str]:
        """生成随机请求头"""
        headers = {
            "User-Agent": self.ua.random,
            "Referer": "https://www.fuzhuang.com/category/",
            "Accept": "text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8"
        }
        if self.cookie:
            headers["Cookie"] = self.cookie
        return headers

    def _get_proxy(self) -> Dict[str, str]:
        """随机获取代理"""
        if self.proxy_pool and len(self.proxy_pool) > 0:
            proxy = random.choice(self.proxy_pool)
            return {"http": proxy, "https": proxy}
        return None

    def _clean_price(self, price_str: str) -> float:
        """清洗价格字符串(去除¥、文字)"""
        if not price_str:
            return 0.0
        price_str = re.sub(r"[^\d.]", "", price_str)
        return float(price_str) if price_str else 0.0

    def _clean_sales(self, sales_str: str) -> int:
        """清洗销量(提取数字,支持“1000+”)"""
        if not sales_str:
            return 0
        sales_num = re.search(r"\d+", sales_str)
        return int(sales_num.group()) if sales_num else 0

    def _parse_item(self, item_soup) -> Dict[str, str]:
        """解析单条商品数据"""
        # 提取商品ID
        link = item_soup.select_one("a.product-title")["href"] if item_soup.select_one("a.product-title") else ""
        item_id = re.search(r"/item/(\w+)\.html", link).group(1) if link else ""

        # 提取风格标签
        style_tags = [tag.text.strip() for tag in item_soup.select(".style-tags span")]

        # 提取规格摘要(颜色+尺码)
        spec_brief = item_soup.select_one(".spec-brief")?.text.strip() or ""
        colors = []
        sizes = []
        if "颜色:" in spec_brief:
            colors_part = re.split(r"颜色:", spec_brief)[1].split("|")[0].strip()
            colors = [c.strip() for c in colors_part.split("/")]
        if "尺码:" in spec_brief:
            sizes_part = re.split(r"尺码:", spec_brief)[1].strip()
            sizes = [s.strip() for s in sizes_part.split("/")]

        return {
            "item_id": item_id,
            "title": item_soup.select_one(".product-title")?.text.strip() or "",
            "main_image": item_soup.select_one(".product-img img")?.get("src") or "",
            "url": f"https://www.fuzhuang.com{link}" if link.startswith("/") else link,
            "price": {
                "current": self._clean_price(item_soup.select_one(".price-current")?.text or ""),
                "original": self._clean_price(item_soup.select_one(".price-original")?.text or "")
            },
            "style_tags": style_tags,
            "specs": {
                "colors": colors,
                "sizes": sizes
            },
            "brand": item_soup.select_one(".brand-name")?.text.strip() or "",
            "sales": {
                "count": self._clean_sales(item_soup.select_one(".sales-count")?.text or ""),
                "unit": "月销" if "月销" in (item_soup.select_one(".sales-count")?.text or "") else "总销"
            },
            "stock_status": item_soup.select_one(".stock-tag")?.text.strip() or "",
            "rating": float(item_soup.select_one(".product-rating")?.text or "0")
        }

    def _parse_page(self, html: str) -> List[Dict]:
        """解析页面的商品列表"""
        soup = BeautifulSoup(html, "lxml")
        # 商品列表容器(需根据实际页面结构调整)
        item_list = soup.select("div.product-item")
        return [self._parse_item(item) for item in item_list if item]

    def _get_total_pages(self, html: str) -> int:
        """获取总页数"""
        soup = BeautifulSoup(html, "lxml")
        page_box = soup.select_one(".pagination")
        if not page_box:
            return 1
        # 提取最后一页页码
        last_page = page_box.select("a")[-1].text.strip()
        return int(last_page) if last_page.isdigit() else 1

    def item_search(self, 
                   keyword: str = "", 
                   category: str = "", 
                   price_min: float = None, 
                   price_max: float = None, 
                   style: List[str] = None, 
                   material: str = "", 
                   size_range: str = "", 
                   stock: int = 0, 
                   sort: str = "", 
                   page_limit: int = 5) -> Dict:
        """
        搜索服装网商品列表
        :param keyword: 搜索关键词
        :param category: 分类名称(如“女装-连衣裙”)或分类ID
        :param price_min: 最低价格(元)
        :param price_max: 最高价格(元)
        :param style: 风格列表(如["通勤", "复古"])
        :param material: 材质(如“棉”“真皮”)
        :param size_range: 尺码范围(如“大码”“均码”)
        :param stock: 库存状态(1=现货,2=预售,0=全部)
        :param sort: 排序方式(price_asc/sales等)
        :param page_limit: 最大页数(默认5)
        :return: 标准化搜索结果
        """
        try:
            # 1. 参数预处理
            if not keyword and not category:
                return {"success": False, "error_msg": "关键词(keyword)和分类(category)至少需提供一个"}
            # 转换分类名称为ID
            if category in self.category_map:
                cat_id = self.category_map[category]
            else:
                cat_id = category if category else ""
            # 处理风格参数(多风格用逗号分隔并编码)
            style_str = ""
            if style and len(style) > 0:
                encoded_styles = [urllib.parse.quote(s, encoding="utf-8") for s in style]
                style_str = ",".join(encoded_styles)
            # 编码关键词
            encoded_keyword = urllib.parse.quote(keyword, encoding="utf-8") if keyword else ""

            all_items = []
            current_page = 1

            while current_page <= page_limit:
                # 构建参数
                params = {
                    "page": current_page
                }
                if encoded_keyword:
                    params["keyword"] = encoded_keyword
                if cat_id:
                    params["cat_id"] = cat_id
                if price_min is not None:
                    params["price_min"] = price_min
                if price_max is not None:
                    params["price_max"] = price_max
                if style_str:
                    params["style"] = style_str
                if material:
                    params["material"] = material
                if size_range:
                    params["size_range"] = size_range
                if stock in (0, 1, 2):
                    params["stock"] = stock
                if sort:
                    params["sort"] = sort

                # 发送请求(带随机延迟)
                time.sleep(random.uniform(2, 4))  # 服装网反爬较严,延迟需适中
                headers = self._get_headers()
                proxy = self._get_proxy()

                response = requests.get(
                    url=self.base_url,
                    params=params,
                    headers=headers,
                    proxies=proxy,
                    timeout=10
                )
                response.raise_for_status()
                html = response.text

                # 解析当前页商品
                items = self._parse_page(html)
                if not items:
                    break  # 无数据,终止分页

                all_items.extend(items)

                # 获取总页数(仅第一页需要)
                if current_page == 1:
                    total_pages = self._get_total_pages(html)
                    # 修正最大页数(不超过page_limit和50)
                    total_pages = min(total_pages, page_limit, 50)
                    if total_pages < current_page:
                        break

                # 若当前页是最后一页,终止
                if current_page >= total_pages:
                    break

                current_page += 1

            # 去重(基于item_id)
            seen_ids = set()
            unique_items = []
            for item in all_items:
                if item["item_id"] not in seen_ids:
                    seen_ids.add(item["item_id"])
                    unique_items.append(item)

            return {
                "success": True,
                "total": len(unique_items),
                "page_processed": current_page,
                "items": unique_items
            }

        except requests.exceptions.HTTPError as e:
            if "403" in str(e):
                return {"success": False, "error_msg": "触发反爬,建议更换代理或Cookie", "code": 403}
            if "401" in str(e):
                return {"success": False, "error_msg": "需要登录,请提供有效Cookie", "code": 401}
            return {"success": False, "error_msg": f"HTTP错误: {str(e)}", "code": response.status_code}
        except Exception as e:
            return {"success": False, "error_msg": f"搜索失败: {str(e)}", "code": -1}

# 使用示例
if __name__ == "__main__":
    # 代理池(替换为有效代理)
    PROXIES = [
        "http://123.45.67.89:8888",
        "http://98.76.54.32:8080"
    ]
    # 登录态Cookie(从浏览器获取,用于完整价格)
    COOKIE = "session_id=xxx; user_id=xxx"

    # 初始化API客户端
    search_api = FuzhuangSearchApi(proxy_pool=PROXIES, cookie=COOKIE)

    # 搜索“连衣裙”,分类“女装-连衣裙”,价格200-500元,风格通勤+复古,材质棉,仅现货,按销量降序,最多3页
    result = search_api.item_search(
        keyword="连衣裙",
        category="女装-连衣裙",
        price_min=200,
        price_max=500,
        style=["通勤", "复古"],
        material="棉",
        stock=1,
        sort="sales",
        page_limit=3
    )

    if result["success"]:
        print(f"搜索成功:共找到 {result['total']} 件商品,处理 {result['page_processed']} 页")
        for i, item in enumerate(result["items"][:5]):  # 打印前5条
            print(f"\n商品 {i+1}:")
            print(f"标题:{item['title'][:50]}...")  # 截断长标题
            print(f"价格:当前¥{item['price']['current']} | 原价¥{item['price']['original']}")
            print(f"风格:{', '.join(item['style_tags'])} | 品牌:{item['brand']}")
            print(f"规格:颜色{', '.join(item['specs']['colors'][:3])} | 尺码{', '.join(item['specs']['sizes'][:3])}")
            print(f"销售:{item['sales']['unit']}{item['sales']['count']}件 | 评分:{item['rating']}分 | 库存:{item['stock_status']}")
            print(f"详情页:{item['url']}")
    else:
        print(f"搜索失败:{result['error_msg']}(错误码:{result.get('code')})")

五、关键技术难点与解决方案

  1. 多维度筛选参数整合
    • 建立参数预处理函数,自动编码中文关键词(如urllib.parse.quote("通勤"));

    • 多风格参数用逗号拼接(如["通勤", "复古"]"通勤,复古"),适配平台筛选逻辑;

    • 示例代码中item_search函数对style参数的处理,确保多风格筛选生效。

    • 问题:服装搜索依赖多条件组合(如 “风格 + 材质 + 价格”),参数格式多样(需 URL 编码、多值用逗号分隔),易出现拼接错误导致筛选失效。

    • 解决方案

  2. 规格摘要解析(颜色 + 尺码)
    • 用正则匹配 “颜色:”“尺码:” 关键词,分割文本提取对应内容;

    • 按 “/” 拆分多值(如 “黑 / 白”→["黑", "白"]),结构化存储为colorssizes字段;

    • 示例代码中_parse_item函数的specs解析逻辑,支持快速筛选 “含黑色 + 大码” 的商品。

    • 问题:列表页的规格信息通常以文本形式展示(如 “颜色:黑 / 白 | 尺码:S-L”),需拆分为结构化的颜色和尺码列表,便于后续筛选。

    • 解决方案

  3. 反爬机制对抗
    • 代理 IP 策略:使用高匿代理池,每 2 页切换一次 IP,优先选择国内 IP(服装网用户以国内为主);

    • 请求频率控制:单 IP 每分钟请求≤2 次,两次请求间隔 2-4 秒(模拟用户浏览服装的节奏);

    • Cookie 池管理:维护多个登录态 Cookie(通过不同用户账号获取),随机携带以降低单一账号风险;

    • 动态 UA:每次请求使用fake_useragent生成随机 User-Agent,避免固定标识被识别。

    • 问题:服装网作为时尚电商,对异常搜索行为敏感,高频请求会触发 IP 封锁(403 错误),尤其针对热门风格(如 “通勤风”)的搜索。

    • 解决方案

  4. 分页数据完整性
    • 第一页解析总页数后,动态调整遍历范围(不超过page_limit和 50);

    • 对每一页返回的商品列表进行校验,若连续 2 页无数据则终止遍历;

    • 实现去重逻辑(基于item_id),避免分页重复数据(部分平台存在重复展示)。

    • 问题:服装网搜索结果分页可能存在 “幽灵页”(页码存在但无数据),或因反爬导致中间页数据缺失,影响结果完整性。

    • 解决方案

六、最佳实践与合规要点

  1. 系统架构设计采用 “分布式低频率采集” 架构,适配服装类商品特性:
    • 任务调度层:通过定时任务(如 Celery)分发搜索任务,控制单任务并发数≤1;

    • 采集层:多节点分散请求,每个节点绑定独立代理池,节点间请求间隔≥10 秒;

    • 存储层:用 Redis 缓存热门搜索结果(2 小时过期,服装价格波动较快),MySQL 存储历史趋势数据(用于潮流分析);

    • 监控层:实时监控代理存活率、筛选条件有效性,异常时通过钉钉告警。

  2. 性能优化策略
    • 异步批量搜索:使用aiohttp并发处理多关键词(如 “连衣裙”“半身裙”),控制并发数≤2,适配低频率限制;

    • 按需解析:列表页优先提取item_id、价格、风格标签等核心字段,详细规格通过后续item_get接口补充;

    • 热点抑制:对同一关键词 + 参数组合的搜索,1 小时内仅处理 1 次(返回缓存结果)。

  3. 合规性与风险控制
    • 访问限制:单 IP 日搜索请求≤300 次,避免对平台服务器造成压力,符合 robots 协议;

    • 数据使用边界:不得将商品数据用于恶意比价、虚假宣传或侵犯品牌权益,需注明数据来源 “服装网”;

    • 图片版权:服装图片可能涉及品牌版权,使用时需遵守《著作权法》,不得擅自用于商业盈利。

七、总结

服装网item_search接口的对接核心在于多维度筛选参数的精准整合规格摘要的结构化解析低频率高稳定性的采集策略。开发者需重点关注:
  1. 风格、材质等中文参数的 URL 编码与多值拼接(确保筛选条件生效);

  2. 颜色和尺码的文本拆分逻辑(便于后续精准筛选);

  3. 代理池与请求频率的精细化控制(应对严格反爬)。

通过本文的技术方案,可构建稳定的服装商品搜索系统,为电商选品、潮流分析等场景提供可靠数据支持。实际应用中,需根据平台最新页面结构动态调整解析规则,平衡数据获取效率与合规性。
需要进一步了解服装分类 ID 的完整映射表风格关键词的扩展列表,可以告诉我,我会补充相关内容


群贤毕至

访客