jd.item.get(京东商品详情 API)全业务场景落地手册

简介: 京东商品详情API(V2.0):结构化获取SKU全量数据,支持ERP同步、跨境铺货、竞品监控、反向海淘等8大场景。含接口规范、JSON样例、缓存限流策略、避坑指南及Python Demo,助力稳定高效集成。(239字)

版本:V2.0|适用:ERP、跨境铺货、竞品监控、反向海淘代购、选品中台、比价系统 定位:根据 SKU 编号获取京东商品完整结构化详情;本手册包含接口规范、标准 JSON 样例、8 大业务场景落地、缓存限流策略、踩坑清单、Python 最小可运行 Demo

八大业务场景完整落地方案场景
1|跨平台铺货(1688/Ozon/Temu/Shopee 一键搬家)
业务目标:采集京东商品,清洗后刊登至跨境、国内第三方店铺,替代爬虫,保证字段稳定。需要字段:title、imageList、attributeList、skuList、priceInfo、descHtml、brand、category 落地逻辑

调用 jd.item.get 获取原始 JSON;

图片 URL 处理:京东图片域名 360buyimg.com,部分平台不允许外链,必须下载转存对象存储,替换图片地址;

属性映射:京东类目→目标平台类目映射表;结构化属性转为目标平台规格参数;

SKU 映射:京东 subSkuId 映射外部平台 sku 编码,价格做汇率 / 利润加成;

过滤 HTML 内京东站内跳转链接,清理广告标签;缓存策略:标题、图片、属性缓存 24h,不要每次刊登都调用;风险点:京东部分商品图片有防盗链,直接粘贴刊登会裂图,必须本地化转存。

场景 2|竞品价格 & 促销监控系统(品牌 / 渠道商)
业务目标:定时监控竞品价格变动、大促活动上线,价格跌破阈值自动预警。需要字段:priceInfo、promotionList、stockInfo、skuList 落地逻辑

Redis 存储历史价格快照,key=skuId,存储历史价格、活动、时间;

定时任务轮询:重点竞品 5‑10 分钟调用一次,长尾商品 30‑60 分钟;

真实到手价计算逻辑:真实到手价 = min(promotionPrice,memberPrice),叠加满减、优惠券后做预估算;

对比快照,发生价格下跌、新增活动、库存清零,推送企业微信 / 钉钉告警;

区分:标价 marketPrice 仅做划线展示,不能作为实际售价;限流策略:令牌桶,QPS 不超过接口配额 80%,防止 429;坑:area 区域参数缺失,拿到北京价格,和业务实际销售地区不一致,造成误告警。

场景 3|ERP 货源同步(以京东为供货源)
业务目标:同步京东 SKU 售价、可售库存,防止超卖、亏损下单。需要字段:stockInfo、skuList、priceInfo、isAvailable 落地逻辑

热销 SKU:缓存 5‑10 分钟;长尾 SKU 缓存 30 分钟;

业务下单前,绕过缓存直接调用一次接口校验可售库存;

解析preSaleStatus预售标记,预售商品不能直接扣现货库存;

限购字段limitPurchase,订单系统做下单数量拦截;降级逻辑:接口超时,使用 Redis 缓存旧数据,记录告警日志,禁止直接拒绝下单;

注意:该接口库存为区域可售库存,不是全国总库存,area 必须设置为业务发货地区编码稀土掘金。

场景 4|反向海淘 / 集运代购系统(mulebuy/superbuy 同类系统)
业务目标:海外用户选购京东商品,前端展示商品详情、价格、库存、包邮标签。需要字段:title、imageList、priceInfo、logisticsInfo、attributeList、skuList 落地逻辑

前端展示时做币种转换 CNY→外币;

isFreeShipping京东包邮标签作为系统展示标签,注意京东包邮不等于可以直接发海外;

SKU 选择器完全复用接口返回 skuList;

用户提交代购订单前,实时调用接口校验该 SKU 是否可售;优化:商品详情页首次加载读取 Redis 缓存,仅下单动作实时请求 API;风险:京东自营部分商品仅支持国内配送,接口无法直接返回海外可配送标记,业务层需要维护黑名单表过滤不能集运商品。

场景 5|AI 智能选品系统(供应链数据分析)
业务目标:批量挖掘类目爆款,按月销、价格区间、好评、库存筛选潜力货源。需要字段:salesInfo、priceInfo、category、stockInfo、attributeList 落地逻辑

搭配京东搜索接口拿到类目下 skuId 列表;

循环调用 jd.item.get 拿到每个商品结构化数据,入库 MySQL;

筛选规则示例:月销 > 500、库存 > 100、价格区间过滤,输出候选货源;

结合评论 API 做差评率辅助筛选;性能优化:尽可能使用批量接口jd.items.batch.get,一次最多 50 个 SKU,降低请求次数;非实时数据分析任务放在凌晨低峰执行,避开大促高峰期。

场景 6|比价小程序、导购平台
业务目标:展示京东商品价格、活动,给用户做比价参考。

建议优先评估联盟接口jd.union.open.goods.detail.query,自带佣金和推广链接;jd.item.get 落地要点

不要高频刷取,用户访问触发优先读缓存;

对外展示必须标注数据来源京东;限制:该接口不直接返回 CPS 佣金,如需推广链路,必须再调用联盟接口获取推广 url。

场景 7|商品舆情分析配套数据源(评论舆情系统前置)
业务目标:商品基础元数据,绑定评论接口,做竞品口碑监控。需要字段:skuId、title、brand、category、shopInfo 落地逻辑

jd.item.get 拿到商品基础元信息;

调用京东评论 API 获取评论集合;

将品牌、类目、店铺标签附加到每条评论,做 AI 舆情、差评预警;缓存策略:商品基础元信息缓存 24h,无需随评论同步刷新。

场景 8|自建商城 / 内部供应链中台
业务目标:把京东作为货源池,内部商城展示商品,用于企业采购、内部选品。落地要点

图片全部转存自有存储,防盗链;

area 配置业务实际采购地区;

价格不要直接透传京东价格,业务层叠加加价规则;

库存仅作参考,下单前实时校验,不能完全依赖接口库存做扣减。

相关文章
|
1月前
|
XML 监控 供应链
taobao.item.get(淘宝天猫商品详情 TOP API)全业务场景手册
淘宝TOP核心接口taobao.item.get,通过商品ID(num_iid)获取结构化全量数据,支持铺货、ERP、竞品监控、跨境供应链等八大场景。HTTPS协议,返回JSON/XML,限流QPS=2,需按需传fields字段并规范签名。
|
2月前
|
数据采集 JSON 监控
淘宝店铺所有商品API及商品数据采集项目复盘
本项目通过调用淘宝taobao.item_search_shop接口,无需卖家授权,批量采集多店铺商品基础信息、价格、SKU、状态等全量数据,实现自动化盘点与监控,提升采集效率与准确性,为商品分析、台账管理及竞品研究提供稳定结构化数据支撑。(239字)
|
3月前
|
数据采集 API 开发者
淘宝商品详情 API 实战全解:项目落地、接口详解、踩坑血泪总结
本文总结淘宝商品数据采集三大方式:官方TOP接口(合规但限流严)、第三方封装接口(字段全、接入易)及网页爬虫(高风险、不可商用)。结合实战经验,剖析签名失败、SKU嵌套、脏数据过滤等高频坑点,助力高效合规开发。(239字)
|
1月前
|
人工智能
Qwen3.8抢先体验!正式版即将发布并开源!
千问Qwen3.8即将开源,参数达2.4T,进化速度以“天”计,实力媲美Fable 5。预览版Qwen3.8-Max已上线阿里Token Plan等平台,限时优惠:日间Credits低至1折,夜间更优,个人/团队版月付仅35元起!
3525 140
|
24天前
|
存储 JSON 监控
1688商品详情API数据解析与开发实践
本文详解1688商品详情API(1688.item_get)的接入实践:涵盖鉴权调用、关键字段解析(阶梯价、SKU、供应商资质等)、分层数据建模及价格监控、货源同步等业务落地方案,助力B端系统稳定高效对接。
缓存 运维 数据挖掘
178 0
|
1月前
|
数据采集 人工智能 缓存
1688 图搜 API 实战|从一张竞品图片,实现全自动溯源货源 + 跨平台快速上货
本方案介绍基于1688图搜API的自动化选品上货系统,支持图片上传→智能识图→货源匹配→数据采集→多平台批量铺货全流程。涵盖官方与第三方接口对比、风控策略、版权规避及SaaS/单机两种部署模式,助力无货源商家降本增效。
235 0
|
2月前
|
数据采集 JSON 数据挖掘
京东店铺所有商品API(店铺数据采集项目复盘)
本项目对接京东jd.item_search_shop接口,自动化采集多店铺全量商品信息(含价格、SKU、状态等),实现数据清洗、归档与定时更新,替代人工操作,提升效率与准确性,为盘点、分析及竞品监测提供高质量数据支撑。(239字)
|
3月前
|
数据采集 JSON API
小红书笔记详情API实战总结(技术复盘)
本文为小红书笔记详情API实战复盘,涵盖OAuth2.0鉴权、代理与指纹配置避封、限流/风控应对等关键问题。详解note_id、access_token等核心参数及结构化返回字段(内容/媒体/互动/作者),助力竞品分析与内容监测。(239字)
|
7月前
|
JSON 自然语言处理 测试技术
Coze / Dify 等平台的智能体工作流搭建的核心方法
本文实操,详解Coze与Dify等智能体平台的工作流工程化方法:强调输入字段化、流程分步化(入口→规划→执行→校验→输出)、输出结构化,并标配重试、断言、降级三件套,助团队从“能跑通”迈向“稳上线”。