做京东货源采购、竞品调研、跨平台铺货、自研进销存系统的开发者和运营都会频繁需要完整商品结构化数据。京东区分自营、工业、医药、全球购多个业务站点不同站点页面字段展示逻辑存在差异如果手动打开页面复制标题、售价、尺码规格、主图、店铺信息批量处理几十上百款商品会耗费大量时间人工整理 SKU 还极易出错。传统页面爬虫方案存在明显短板页面改版后解析规则失效、高频抓取容易触发风控限制、多站点适配开发成本高。今天分享一套标准化商品详情查询接口方案搭配分层 AI Agent 自动化架构输入商品 ID 即可一键拉取全量商品数据自动区分京东各业务站点完成数据清洗、规格拆解、信息汇总导出全程无需人工介入个人选品、工作室批量铺货、企业 ERP 对接都能直接落地使用。一、京东商品详情查询接口完整文档接口标识jd.item_get核心能力传入商品 ID 与站点标识返回商品标题、价格区间、库存、全套图片、多规格 SKU、品牌、店铺、销售属性等完整结构化数据请求地址https://api-gw.onebound.cn/jd/item_get1.1 通用公共请求参数所有接口请求均通过 GET 方式拼接参数公共参数统一由调度 Agent 全局挂载配置一次填写所有采集任务自动携带无需重复传入。表格参数名类型必填使用说明keyString是接口调用授权凭证URL 拼接传递secretString是接口安全密钥用于身份校验api_nameString是接口标识固定填写 jd.item_getcacheString否可选 yes/no默认开启缓存重复查询提速result_typeString否返回数据格式支持 json、jsonu、xmljsonu 中文展示无转义langString否输出语言默认 cn 简体中文versionString否接口版本标识按需传入1.2 业务核心入参表格参数名必填参数释义取值规则num_iid是京东商品唯一 ID商品详情页链接内数字 IDdomain_type是业务站点区分jd 京东自营gongye 京东工业yiyao 京东医药hk 全球购 / 国际站watermark否图片水印控制传 1 返回无水印原图不传默认带平台水印基础请求示例 URLplaintexthttps://api-gw.onebound.cn/jd/item_get/?key你的密钥keysecret你的密钥secretnum_iid10335871600domain_typejd1.3 返回响应字段分层解析接口返回标准 JSON 结构数据统一封装在 item 对象内结构规整适配 AI Agent 自动解析、提取、分类存储核心字段分为四大类1. 商品基础信息num_iid商品 ID、title完整标题、desc_short简短简介、price日常售价、orginal_price原价、nick店铺掌柜名、num总库存、min_num最小起购量、detail_url商品原生链接、brand/brandId品牌与品牌编号、rootCatId/cid一二级分类 ID、location发货地2. 素材图片资源pic_url封面主图、item_imgs轮播图数组、prop_imgs/props_img规格对应属性图、video_id商品短视频标识3. 规格 SKU 与销售属性props_name属性名编码串格式固定 pid:vid: 分类值property_alias规格别名映射props_list键值对结构化属性字典skus 数组每个单品规格独立数据包含 sku 唯一 ID、对应规格名称、售价、库存、单品链接4. 店铺商家信息seller_id、shop_id、seller_info 对象包含店铺主页地址、店铺名称、店铺类型标识1.4 标准化错误码 自动化处理策略智能异常 Agent 内置全套错误码判断逻辑出现异常自动执行重试、延时、任务终止、日志提醒无需人工盯守程序表格错误码问题场景Agent 自动处理方案0000调用成功数据正常返回进入清洗、解析、存储流程2000请求成功但无商品数据标记商品失效跳过当前 ID继续下一条任务4003参数格式错误、参数缺失自动校验 num_iid、domain_type 等必填项终止本条请求4008接口访问并发超限休眠延时分批次延后重试4013当日调用额度耗尽暂停全部采集任务记录断点次日续跑4016账户可用额度不足输出告警日志停止批量采集4017请求链路超时最多重试 2 次超时直接跳过该商品4005授权校验失败提示核对 key、secret 凭证二、多 AI Agent 自动化协作整体架构沿用成熟的分层解耦智能体设计整套采集流程拆分为 5 个独立 Agent流水线串联执行模块之间互不耦合后期新增功能、修改规则只需调整对应 Agent拓展性极强。任务调度 Agent接收批量商品 ID 清单、站点类型、图片水印开关等配置批量生成标准化请求参数队列统一管理全局 key、secret 等公共配置向下分发采集任务。JD 商品请求 Agent循环遍历任务队列循环调用商品详情接口捕获网络异常、各类错误码按照预设策略完成重试、延时、跳过操作批量存储原始返回 JSON 数据。数据清洗结构化 Agent过滤空值、无效冗余字段拆分长串属性字符串统一图片链接格式把零散 SKU、品牌、分类、店铺信息整理为规整字典剔除无效空白数据。货源筛选 Agent自定义筛选规则支持按价格区间、库存数量、是否自营店铺过滤商品筛除滞销、溢价过高、无库存的低价值货源输出优质商品清单。报表导出 Agent汇总清洗、筛选完成的结构化数据自动生成 Excel 表格包含标题、价格、SKU 明细、全套图片链接、店铺信息可直接用于铺货、货源复盘、数据分析。完整自动化执行链路批量商品 ID 列表输入 → 调度 Agent 生成请求任务队列 → 请求 Agent 循环拉取原始商品数据 → 清洗 Agent 规整所有字段 → 筛选 Agent 过滤优质货源 → 导出 Agent 生成可落地 Excel 报表三、开箱即用完整 Python 源码代码模块化拆分对应五大 Agent注释清晰替换密钥、商品 ID、站点参数即可直接运行支持批量商品循环采集、自动异常处理、数据筛选与本地文件导出。python运行# -*- coding: utf-8 -*- 多AI Agent 京东商品详情全自动采集工具 接口jd.item_get 功能多站点兼容、批量采集、数据清洗、货源筛选、Excel报表导出 适配自营/工业/医药/全球购全渠道商品 import requests import time import pandas as pd # 全局自定义配置区 API_KEY 你的调用key API_SECRET 你的调用secret # 批量待采集商品ID列表可自行追加多个id GOODS_ID_LIST [10335871600,10057467958584] # 站点类型 jd/gongye/yiyao/hk DOMAIN_TYPE jd # 1返回无水印图片0/空带水印 WATERMARK 1 # 价格筛选区间 MIN_PRICE 50 MAX_PRICE 1000 # BASE_API https://api-gw.onebound.cn/jd/item_get # Agent1任务调度与参数生成 class ScheduleAgent: def create_task_queue(self, id_list, domain, watermark): task_arr [] for goods_id in id_list: params { key: API_KEY, secret: API_SECRET, api_name: jd.item_get, num_iid: goods_id, domain_type: domain, watermark: watermark, cache: yes, result_type: jsonu, lang: cn } task_arr.append(params) print(f已生成 {len(task_arr)} 个商品采集任务) return task_arr # Agent2接口请求、异常捕获与重试 class FetchAgent: def __init__(self): self.raw_data_pool [] def single_fetch(self, params, retry2): try: resp requests.get(BASE_API, paramsparams, timeout20) res_json resp.json() err_code res_json.get(error_code) goods_id params[num_iid] if err_code 0000: item_info res_json.get(item, {}) self.raw_data_pool.append(item_info) print(f✅ 商品{goods_id} 采集完成) return True elif err_code 2000: print(fℹ️ 商品{goods_id}不存在或已下架跳过) return False elif err_code 4008: print(f⚠️ 访问并发过高等待5s重试商品{goods_id}) time.sleep(5) if retry 0: self.single_fetch(params, retry - 1) return False elif err_code 4017: print(f⚠️ 商品{goods_id} 请求超时重试一次) time.sleep(3) if retry 0: self.single_fetch(params, retry - 1) return False else: print(f❌ 商品{goods_id} 采集异常{res_json.get(reason)}) return False except Exception as e: print(f网络请求异常{str(e)}) return False def run_all_tasks(self, task_list): for task in task_list: self.single_fetch(task) time.sleep(0.6) return self.raw_data_pool # Agent3数据清洗、字段规整 class CleanAgent: def clean_item_data(self, raw_list): clean_result [] for item in raw_list: temp {} # 基础商品信息 temp[商品ID] item.get(num_iid, ) temp[商品标题] item.get(title, ) temp[售价] item.get(price, ) temp[原价] item.get(orginal_price, ) temp[店铺名称] item.get(seller_info, {}).get(shop_name, ) temp[商品链接] fhttps:{item.get(detail_url, )} temp[品牌] item.get(brand, ) temp[总库存] item.get(num, 0) temp[发货地] item.get(location, 未标注) # 主图拼接 main_img item.get(pic_url, ) img_list [img[url] for img in item.get(item_imgs, [])] temp[主图链接] fhttps:{main_img} if main_img else temp[全部轮播图] ,.join([fhttps:{u} for u in img_list]) # 解析SKU规格 sku_raw item.get(skus, {}).get(sku, []) sku_text [] for sku in sku_raw: sku_text.append(f{sku[properties_name]}价格{sku[price]}库存{sku[quantity]}) temp[全部SKU规格] \n.join(sku_text) clean_result.append(temp) print(f\n数据清洗完成有效商品共 {len(clean_result)} 个) return clean_result # Agent4货源智能筛选 class FilterAgent: def filter_by_price(self, data_list, low, high): filter_arr [] for goods in data_list: try: price float(goods[售价]) if low price high: filter_arr.append(goods) except: continue print(f\n价格筛选完成{low}~{high}元符合货源共 {len(filter_arr)} 个) return filter_arr # Agent5Excel报表导出 class ExportAgent: def save_excel(self, data): df pd.DataFrame(data) file_name 京东货源采集清单.xlsx df.to_excel(file_name, indexFalse) print(f\n 货源表格已生成{file_name}) print( 全流程自动化采集执行完毕) # 程序主入口 if __name__ __main__: # 1. 生成采集任务队列 schedule ScheduleAgent() tasks schedule.create_task_queue(GOODS_ID_LIST, DOMAIN_TYPE, WATERMARK) # 2. 批量调用接口采集原始数据 fetcher FetchAgent() all_raw fetcher.run_all_tasks(tasks) if not all_raw: print(未采集到任何商品数据程序终止) else: # 3. 清洗规整所有字段 cleaner CleanAgent() clean_data cleaner.clean_item_data(all_raw) # 4. 按价格筛选优质货源 filter_agent FilterAgent() final_data filter_agent.filter_by_price(clean_data, MIN_PRICE, MAX_PRICE) # 5. 导出本地Excel表格 export ExportAgent() export.save_excel(final_data)运行前置操作安装依赖库执行终端命令bash运行pip install requests pandas openpyxl修改代码顶部配置区填入自己的 key、secret替换需要采集的商品 ID 列表按需修改 domain_type 切换自营 / 工业 / 医药站点调整价格筛选区间直接运行脚本全自动完成采集、清洗、筛选、导出四、四大落地业务场景场景 1京东渠道货源批量比价采购整理一批目标品类商品 ID脚本批量拉取售价、库存、发货仓库、多规格价格横向对比多家店铺同款成本快速筛选性价比最高的采购货源替代人工逐个打开页面记录数据。场景 2跨平台无货源铺货素材整理采集商品标题、全套轮播图、规格 SKU、品牌参数导出表格后可直接导入铺货工具自动适配拼多多、抖音小店等渠道上架统一获取无水印素材降低美工工作量。场景 3竞品商品动态监控搭配定时任务每日自动采集同行爆款商品监控价格调整、库存变动、规格增减及时捕捉竞品促销活动调整自身商品定价与运营策略。场景 4企业自研 ERP 商品库搭建对接内部进销存系统定时同步京东渠道商品完整结构化数据自动维护商品分类、规格、价格档案实现多渠道货源统一数字化管理。五、开发运维常见问题 FAQQ1返回 error_code2000商品无数据怎么解决A两种常见情况商品 ID 输入错误商品已下架、平台屏蔽对外数据。核对链接内数字 ID更换在售商品重试即可。Q2domain_type 参数填写错误会有什么影响A站点标识不匹配会返回参数错误 4003工业、医药、全球购商品必须对应填写专属 domain_type不能统一填 jd。Q3频繁报 4008 并发超限如何优化A延长代码中 time.sleep 休眠间隔拆分大批量 ID 为多组分不同时段执行采集任务降低瞬时请求频率。Q4图片链接打开失效怎么办A接口返回的图片为相对路径代码清洗阶段已经自动拼接 https 协议前缀如果依旧打不开大概率是商品下架图片被平台清理。Q5能否实现定时自动批量采集A可以搭配 Windows 计划任务、Linux crontab 定时运行脚本或在代码外层增加循环、定时休眠逻辑实现每日无人值守监控采集。六、方案总结相比传统爬虫标准化商品详情接口搭配多 AI Agent 架构最大优势是低维护、全自动化、多站点兼容不用持续适配页面改版规则异常场景全部内置自愈逻辑。整套轻量化方案既能满足个人小批量选品需求也能二次拓展对接企业级数据分析、货源管理系统。在此基础上还可继续拓展能力批量采集商品评论、对接大模型做商品卖点自动提炼、多平台同款比价聚合完整搭建一站式京东货源智能分析体系。