抓取 lego.com 的分类页

关于 lego.com

lego.com 这样描述自己：“通过游戏、视频、产品等探索 LEGO® 的世界！选购超棒的 LEGO® 积木玩具和拼搭套装，为您的孩子找到完美礼物”。

其 robots.txt 指定了 6 个站点地图，并禁止 12 个路径，其中包括 /identity/, /checkout, /innovation-intake-ideas。

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：94.9%。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；0.0% 的成功调用使用了 JavaScript 令牌，响应中位时间为 2.8s。

在 Cookbook 的 20 个电商站点中，lego.com 按成功率排在第 12 位（共 20 个）；类别中位数为 96.3%。 其响应中位时间 2.8s 与类别中位数 2.9s 相当。 20 个站点中有 9 个接受普通令牌，这个站点也在其中。

调用

类目页和列表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栏目 URL。

curl "https://api.crawlbase.com/?token=YOUR_TOKEN&country=DE&url=https%3A%2F%2Fwww.lego.com%2Fen-us%2Fcategories%2Fexclusives"

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

r = api.get('https://www.lego.com/en-us/categories/exclusives', {'country': 'DE'})
html = r['body']

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

const r = await api.get('https://www.lego.com/en-us/categories/exclusives', { country: 'DE' });

关键参数

各账户抓取的 URL 模式

你能得到的字段

Crawlbase 在 lego.com 上找到的结构化数据，按页面类型列出。这些是页面中的 schema.org 类型，你的解析器可以直接从 JSON-LD 块中读取这些字段：

• 首页: Organization, WebPage
• 列表页: ItemList, BreadcrumbList
• 其他: ItemList, BreadcrumbList

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

按节奏遍历列表以发现新条目，然后把条目 URL 连同回调推送到 Crawler；它会控制调用节奏并重试站点拒绝的请求。该站点的响应中位时间为 2.8s。

常见问题

lego.com 上的其他页面

lego.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。