抓取 shein.com 的商品页

关于 shein.com

shein.com 这样描述自己：“订单满 590 卢布免运费✓每天 1000+ 新品上架✓100% 安全在线购物✓穿上 SHEIN 的服装，你可以成为任何想成为的人！海量服饰，风格多样！超值促销和折扣！每天都有新品上架！”。

其首页声明了 12 种语言：en-us, es-us, en, es, pt, de-de, ar-de, en-de, de-at, ar-at, tr-at, ro-at。

其 robots.txt 指定了 1 个站点地图，并禁止 7 个路径，其中包括 /user/, /cart/, /geetest/。

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：98.1%。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 14.0s。

在 Cookbook 的 20 个时尚站点中，shein.com 按成功率排在第 12 位（共 20 个）；类别中位数为 98.5%。 其响应中位时间 14.0s 与类别中位数 13.5s 相当。 20 个站点中有 10 个接受普通令牌，这个站点也在其中。

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.shein.com%2Fexample-section%2Fexample-page"

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

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

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

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

关键参数

各账户抓取的 URL 模式

你能得到的字段

Crawlbase 在 shein.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: OnlineStore
• 其他: BreadcrumbList, ItemList

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 14.0s。

常见问题

shein.com 上的其他页面

shein.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。