抓取 myprotein.com 的商品页

关于 myprotein.com

myprotein.com 这样描述自己：“与 Myprotein 一起焕发力量。选购英国第一运动营养品牌的优质补剂以及健身和运动服装，助您达成目标”。

其首页声明了 12 种语言：de-at, ro-ro, cs-cz, hu-hu, nb-no, ru-kz, sk-sk, es-es, en-hk, nl-nl, nl-be, sv-se。

其站点地图在 9 个文件中列出了 3,943 个 URL（product-0, list-0, department-0, post-sitemap1, post-sitemap2, page-sitemap）。 在 1,077 条带日期的条目中，有 57 条在最近 30 天内发生变化，最新一条在 2026年9月3日。

其 robots.txt 指定了 4 个站点地图，并禁止 12 个路径。

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：99.7%。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；59.9% 的成功调用使用了 JavaScript 令牌，响应中位时间为 14.3s。

在 Cookbook 的 20 个运动户外站点中，myprotein.com 按成功率排在第 7 位（共 20 个）；类别中位数为 99.2%。 其响应中位时间 14.3s 慢于类别中位数 7.1s。 20 个站点中有 12 个接受普通令牌；这个站点只在部分页面接受。

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_TOKEN&url=https%3A%2F%2Fwww.myprotein.com%2Fexample-section%2Fexample-page%2Fexample-page"

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

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

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

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

关键参数

各账户抓取的 URL 模式

你能得到的字段

Crawlbase 在 myprotein.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: WebSite, Organization
• 详情页: Product, SaleEvent, BreadcrumbList
• 列表页: CollectionPage, BreadcrumbList
• 文章: BreadcrumbList, Organization, WebSite, ImageObject, WebPage, Article, Person
• 个人主页: 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

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 14.3s。

常见问题

myprotein.com 上的其他页面

myprotein.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。