实战解析:1688详情api商品sku、主图数据

1688 商品详情 API 的 SKU 与主图数据,是大多数选品、铺货、比价系统首先要啃下的两块“硬骨头”。下面用一条完整的实战链路,把“拿到商品 ID → 拉出 SKU → 拖走主图”过程中最容易踩的坑、最实用的代码、以及返参里那些看似人畜无害却暗藏杀机的字段一次性讲透。


一、接口选型:item_get 还是 sku_get?

  1. 只想一次性拿“商品级”数据(标题、主图、最低价、起批量、供应商信息)
    直接调alibaba.item.get(或第三方包装的/1688/item_get/)即可,SKU 会作为子节点嵌在sku_list数组里 。

  2. 已经拿到商品 ID 列表,只想批量刷新价格/库存
    再单独调alibaba.item.sku.get可省流量,但官方 QPS 卡得死(默认 1),高并发场景建议先在本地建“SKU 池”,再定时用 item_get 做增量更新。


二、SKU 数据到底长什么样?

以 2025-12 官方文档示例为例,一个 SKU 节点核心字段只有 4 个,但坑都在“单位”和“空值”里:

{ "sku_id": "987654321012", "sku_spec": "白色-L", "sku_price": "19.90", // 字符串,需自己转 float "sku_stock": 5000 // 单位是“件”,不是“箱”! }

实战注意

  1. 价格字段sku_price返回的是“单件批发价”,再乘以min_order_quantity才是真正的起批金额。

  2. 库存sku_stock只是“展示库存”,真实可售库存要看available_stock(同一节点下若有该字段)。

  3. 部分类目(包装制品、化工)会把“箱/桶”作为销售单位,spec 里会出现 “1箱=1 200件” 的映射,需要自己做正则拆分。

  4. 当商品开启“阶梯价”时,SKU 里不会给出 2 件、10 件的批发价,需要再调用alibaba.cpsMedia.productInfo或爬取 H5 页面解析priceRange字段 。


三、主图、SKU 图、详情图 3 张皮

item_get 一次会给 3 组图片,很多人直接for img in item_imgs就完事,结果上线后发现 30 天后全变 403——官方图片链接带 token,有效期 30 天,长期用必须落盘。

# 伪代码:一键落盘 3 类图 def dump_images(item): folders = ['主图', 'SKU图', '详情图'] img_lists = [ [item['pic_url']], # 主图只有 1 张 [sku['sku_img'] for sku in item['sku_list']], re.findall(r'<img src="([^"]+)', item['desc']) # 详情图藏在 HTML ] for folder, urls in zip(folders, img_lists): download_to(folder, urls)

小技巧

  • 主图pic_url默认 800×800,把域名img.1688.com替换成img.alicdn.com/imgextra/i4再拼_800x800.jpg可拿更高分辨率。

  • SKU 图有时为空,前端会 fallback 到主图,自己落地时记得判空,否则同一张图存 N 份。

  • 详情图desc_img字段 2025 年下半年已下线,必须解析desc里的 HTML,正则别忘了匹配//img这种无协议头地址。


四、完整实战:从商品 ID → 落库 SKU+主图

下面这段代码可直接跑通(基于第三方网关,已封装 sign),演示“拿数据 → 解析 SKU → 批量下图片”最简链路:

import requests, os, re, json from hashlib import md5 APP_KEY = '你的 AppKey' APP_SECRET = '你的 AppSecret' NUM_IID = '610947572360' # 替换你想抓的商品 BASE_URL = 'https://api-gw.onebound.cn/1688/item_get/' # 1. 拼参 + 签名 params = { 'key': APP_KEY, 'secret': APP_SECRET, 'num_iid': NUM_IID, 'cache': 'yes', 'result_type': 'json', 'lang': 'cn' } sign_str = APP_SECRET + ''.join([f'{k}{v}' for k, v in sorted(params.items())]) + APP_SECRET params['sign'] = md5(sign_str.encode()).hexdigest().upper() # 2. 调接口 res = requests.get(BASE_URL, params=params) data = res.json()['item_get_response']['item'] # 3. 解析 SKU skus = [ { 'sku_id': s['sku_id'], 'spec': s['sku_spec'], 'price': float(s['sku_price']), 'stock': int(s.get('sku_stock', 0)) } for s in data.get('sku_list', []) ] # 4. 抓图 def save_img(url, path): if not url: return url = url if url.startswith('http') else 'https:' + url os.makedirs(os.path.dirname(path), exist_ok=True) with open(path, 'wb') as f: f.write(requests.get(url).content) save_img(data['pic_url'], f'./{NUM_IID}/主图.jpg') for s in data.get('sku_list', []): save_img(s.get('sku_img'), f'./{NUM_IID}/SKU/{s["sku_id"]}.jpg') # 5. 详情图 detail_imgs = re.findall(r'src="([^"]+)"', data.get('desc', '')) for idx, url in enumerate(detail_imgs): save_img(url, f'./{NUM_IID}/详情/{idx}.jpg') print('SKU 列表:', json.dumps(skus, ensure_ascii=False))

五、高频踩坑清单

坑点现象解决方案
签名 401官方提示 sign error1688 签名顺序按参数 Key 升序,最后前后各拼一次 APP_SECRET
阶梯价缺失SKU 里只有单件价再调alibaba.cpsMedia.productInfopriceRange字段
详情图 40330 天后全挂落盘时把//img协议头补全,并做 30 天定时刷新
QPS 被限连续 200 ms 调一次就 500默认 1 QPS,批量请加 ≥1 s 延迟,或申请企业配额
sku_stock=0商品页却显示现货available_stock为准,部分商家设置“展示库存”与“可售库存”双轨

六、小结

  1. SKU 数据一定要做“单位/空值/阶梯价”三重校验,否则前端一上架就会出“下单提示价格已过期”的尴尬。

  2. 主图、SKU 图、详情图链接 30 天失效,落盘+回源策略是生产级必备。

  3. 1688 的 B2B 属性决定了“起批量、供应商类型、箱规”这些字段和淘宝完全不同,解析逻辑要单独维护,不能复用零售那套模板。

把上面这段代码和清单吃透,基本就能在 1 小时内搭起“SKU+主图”的自动化流水线,后续无论是做选品库、ERP 还是铺货 SaaS,都可直接复用。祝各位调试顺利,永不 403!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/1149297.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

绕_WAF_实战:6_种_SQL_注入变形技巧!

收藏必备&#xff1a;6种绕过WAF的SQL注入技巧&#xff0c;小白也能轻松掌握 文章详解六种绕过WAF的SQL注入技巧&#xff1a;大小写变形、注释干扰、关键字拆分、编码转换、特殊字符替代和多语句嵌套。这些技巧利用WAF规则固定性与数据库语法灵活性之间的矛盾&#xff0c;应用…

Qwen3-VL-WEBUI镜像全解析|聚焦视觉编码增强与空间感知升级

Qwen3-VL-WEBUI镜像全解析&#xff5c;聚焦视觉编码增强与空间感知升级 在多模态大模型快速演进的今天&#xff0c;通义千问团队推出的 Qwen3-VL-WEBUI 镜像标志着国产视觉语言模型&#xff08;VLM&#xff09;进入了一个全新的阶段。该镜像基于阿里开源的 Qwen3-VL-4B-Instru…

分类模型持续学习:万能分类器在线更新+弹性GPU支持

分类模型持续学习&#xff1a;万能分类器在线更新弹性GPU支持 1. 引言&#xff1a;为什么需要持续学习的分类器&#xff1f; 想象一下你养了一只宠物狗&#xff0c;刚开始它只认识几种简单的指令&#xff08;坐下、握手&#xff09;。但随着时间推移&#xff0c;你希望它能理…

自动化监测如何省心?无线采集器+投入式水位计的黄金组合解析!​

一、水位计的概况 投入式水位计&#xff08;静压式水位计&#xff09;采用先进的隔离型扩散硅敏感元件制作而成&#xff0c;直接投入容器或水体中即可精确测量出水位计末端到水面的高度&#xff0c;并将水位值通过RS485信号对外输出。投入式水位计&#xff08;静压式水位计&…

分类模型微调实战:万能分类器+云端GPU 3小时出结果

分类模型微调实战&#xff1a;万能分类器云端GPU 3小时出结果 1. 为什么你需要万能分类器&#xff1f; 作为一名AI竞赛选手&#xff0c;你是否经常遇到这样的困境&#xff1a;本地单卡训练速度太慢&#xff0c;眼看着截止日期临近&#xff0c;模型性能却迟迟达不到理想状态&a…

30_个内网渗透信息收集技巧,吃透了,内网横着走!

内网渗透信息收集30大实战技巧&#xff1a;小白必备&#xff0c;建议收藏&#xff01; 文章详细介绍了内网渗透信息收集的30个实战技巧&#xff0c;涵盖网络拓扑探测、系统信息收集、账户权限获取、应用服务扫描及敏感数据收集等维度。通过ARP扫描、WMI查询、密码哈希提取、We…

MiDaS深度感知系统搭建:企业级应用部署指南

MiDaS深度感知系统搭建&#xff1a;企业级应用部署指南 1. 引言&#xff1a;AI 单目深度估计的现实价值 在智能安防、机器人导航、AR/VR 和三维重建等企业级应用场景中&#xff0c;空间深度感知是实现环境理解的核心能力。传统方案依赖双目摄像头或多线激光雷达&#xff0c;成…

【Java毕设源码分享】基于springboot+vue的智能垃圾分类系统的设计与实现(程序+文档+代码讲解+一条龙定制)

博主介绍&#xff1a;✌️码农一枚 &#xff0c;专注于大学生项目实战开发、讲解和毕业&#x1f6a2;文撰写修改等。全栈领域优质创作者&#xff0c;博客之星、掘金/华为云/阿里云/InfoQ等平台优质作者、专注于Java、小程序技术领域和毕业项目实战 ✌️技术范围&#xff1a;&am…

信息抽取新利器|AI智能实体侦测服务助力文本语义分析

信息抽取新利器&#xff5c;AI智能实体侦测服务助力文本语义分析 1. 背景与挑战&#xff1a;非结构化文本中的信息迷雾 在当今数据爆炸的时代&#xff0c;新闻报道、社交媒体、企业文档等场景中充斥着海量的非结构化文本。这些文本虽然蕴含丰富的关键信息——如人物、地点、组…

AI万能分类器5分钟上手:小白用云端GPU,1小时仅1块钱

AI万能分类器5分钟上手&#xff1a;小白用云端GPU&#xff0c;1小时仅1块钱 引言&#xff1a;文科生也能玩转AI分类器 作为一个对AI技术充满好奇的文科生&#xff0c;你可能经常被各种专业术语和复杂的代码吓退。但今天我要告诉你一个好消息&#xff1a;现在用云端GPU运行AI万…

单目视觉3D感知:MiDaS模型实战教程

单目视觉3D感知&#xff1a;MiDaS模型实战教程 1. 引言 1.1 AI 单目深度估计 —— 让2D图像“看见”3D世界 在计算机视觉领域&#xff0c;从单张二维图像中恢复三维空间结构一直是极具挑战性的任务。传统方法依赖多视角几何或激光雷达等硬件设备&#xff0c;成本高且部署复杂…

AI分类器商业应用第一课:低成本验证创意

AI分类器商业应用第一课&#xff1a;低成本验证创意 1. 为什么需要低成本验证AI商业创意 创业者在将AI技术转化为商业应用时&#xff0c;常常面临一个两难选择&#xff1a;要么投入大量资金购买高端硬件&#xff0c;要么放弃验证创意的机会。根据行业数据&#xff0c;盲目投入…

科研与工程场景必备|AI智能实体侦测服务支持多实体高亮

科研与工程场景必备&#xff5c;AI智能实体侦测服务支持多实体高亮 在自然语言处理&#xff08;NLP&#xff09;的实际应用中&#xff0c;命名实体识别&#xff08;Named Entity Recognition, NER&#xff09;是信息抽取的核心任务之一。无论是科研文献分析、新闻内容结构化&a…

AI视觉新突破:MiDaS模型性能优化技巧

AI视觉新突破&#xff1a;MiDaS模型性能优化技巧 1. 引言&#xff1a;AI 单目深度估计的现实挑战 在计算机视觉领域&#xff0c;从单张2D图像中恢复3D空间结构一直是极具挑战性的任务。传统方法依赖多视角几何或激光雷达等硬件支持&#xff0c;成本高且部署复杂。近年来&…

【论文自动阅读】PI-VLA: A Symmetry-Aware Predictive and Interactive Vision-Language-Action Framework for Rob

&#x1f680; 快速了解部分 基础信息&#xff08;英文&#xff09;&#xff1a; 题目&#xff1a;PI-VLA: A Symmetry-Aware Predictive and Interactive Vision-Language-Action Framework for Robust Robotic Manipulation时间年月&#xff1a;2026年1月机构名&#xff1a;C…

单目视觉技术应用:MiDaS模型在工业检测中的实践

单目视觉技术应用&#xff1a;MiDaS模型在工业检测中的实践 1. 引言&#xff1a;AI驱动的单目深度感知新范式 随着人工智能与计算机视觉技术的深度融合&#xff0c;单目深度估计&#xff08;Monocular Depth Estimation&#xff09;正逐步从学术研究走向工业落地。传统三维感…

MiDaS部署实战:企业级应用环境配置详细指南

MiDaS部署实战&#xff1a;企业级应用环境配置详细指南 1. 引言 1.1 AI 单目深度估计 —— 让2D图像“看见”3D世界 在计算机视觉领域&#xff0c;从单张二维图像中恢复三维空间结构一直是极具挑战性的任务。传统方法依赖多视角几何或激光雷达等硬件设备&#xff0c;成本高且…

中文实体智能抽取新体验|基于AI智能实体侦测服务快速实践

中文实体智能抽取新体验&#xff5c;基于AI智能实体侦测服务快速实践 随着非结构化文本数据的爆炸式增长&#xff0c;如何从海量中文语料中高效提取关键信息成为自然语言处理&#xff08;NLP&#xff09;领域的核心挑战之一。命名实体识别&#xff08;Named Entity Recognitio…

AI MiDaS应用:智能家居中的空间感知

AI MiDaS应用&#xff1a;智能家居中的空间感知 1. 引言&#xff1a;让AI“看见”三维世界 在智能家居系统中&#xff0c;环境感知是实现自动化决策和人机交互的核心能力。传统方案依赖激光雷达或多摄像头立体视觉来获取深度信息&#xff0c;但成本高、部署复杂。近年来&…

地铁线网通信系统:从分立管道到智慧中枢的架构演进与技术前沿

目录 1. 引言 2. 系统架构演进&#xff1a;从专业分立到云网智一体 3. 关键技术体系与深度剖析 4. 核心挑战与发展趋势 5. 结论 摘要 在轨道交通网络化、智能化与绿色化发展的时代背景下&#xff0c;地铁线网通信系统正经历一场深刻的范式变革。其角色已从保障各专业独立运…