抓取 goodreads.com 的book 页面

关于 goodreads.com

goodreads.com 这样描述自己：“发现并阅读更多您会喜爱的书籍，并记录您想读的书。加入 Goodreads，成为全球最大爱书人社区的一员”。

其 robots.txt 指定了 16 个站点地图，并禁止 12 个路径，其中包括 /admin, /api, /ebooks。 它要求爬虫在请求之间等待 5 秒。

基于 Crawlbase 测得

2026年8月 对每个账户的每个请求统计的成功率：99.4%。URL 模式、国家和失败情况来自自 2026年8月14日 起的请求日志；97.5% 的成功调用使用了 JavaScript 令牌，响应中位时间为 10.0s。

在 Cookbook 的 3 个图书音频站点中，goodreads.com 按成功率排在第 2 位（共 3 个）；类别中位数为 99.4%。 其响应中位时间 10.0s 与类别中位数 10.0s 相当。 3 个站点中有 1 个接受普通令牌；这个站点需要 JavaScript 令牌。

调用

商品页是各账户在此抓取最多的页面形态，附带最常成功的国家和令牌。请把占位路径换成站点上真实的商品 URL。

curl "https://api.crawlbase.com/?token=YOUR_JS_TOKEN&url=https%3A%2F%2Fwww.goodreads.com%2Fbook%2Fexample-section%2Fexample-page"

from crawlbase import CrawlingAPI
api = CrawlingAPI({'token': 'YOUR_JS_TOKEN'})

r = api.get('https://www.goodreads.com/book/example-section/example-page')
html = r['body']

const { CrawlingAPI } = require('crawlbase');
const api = new CrawlingAPI({ token: 'YOUR_JS_TOKEN' });

const r = await api.get('https://www.goodreads.com/book/example-section/example-page');

关键参数

各账户抓取的 URL 模式

你能得到的字段

商品页通常带有 ld+json 的 Product 块，包含名称、价格、货币和库存状态，可见标记中也有相同的值。先读这个块，它比页面布局变化得更少。

会出问题的地方及修复方法

自 2026年8月14日 以来的失败中，站点的响应为：

定时运行

刷新目录就是一份商品 URL 列表。把它连同回调推送到 Crawler，让它控制调用节奏并重试站点拒绝的请求，然后从 Cloud Storage 读取结果。该站点的响应中位时间为 10.0s。

常见问题

goodreads.com 上的其他页面

goodreads.com 在自己的站点地图中列出的页面，由 Crawlbase 于 2026年9月6日 抓取，并在连续 2 次运行中得到验证。每一行都是返回该页面及其内容的最便宜调用。