标签，需关联库存接口获取可用状态。
三、接口调用流程（基于页面解析）
以 “获取某品牌秋季连衣裙商品详情” 为例，核心流程为URL 构建→主页面解析→动态数据补充→规格与库存关联→数据结构化：
URL 与请求头构建
目标 URL： https://www.fuzhuang.com/item/{item_id}.html（替换item_id为实际值）；
请求头：模拟浏览器行为，需包含User-Agent、Referer，部分用户评价需携带登录态Cookie：
python
运行
headers = {
"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/118.0.0.0 Safari/537.36",
"Referer": " https://www.fuzhuang.com/category/women/dress/",
"Accept": "text/html,application/xhtml+xml,application/xml;q=0.9, /;q=0.8",
"Cookie": "session_id=xxx; user_id=xxx" # 登录后从浏览器获取
}
主页面静态数据解析从主页面 HTML 中提取基础信息，重点关注服饰特有字段：
字段 解析方式（CSS 选择器 / XPath） 示例值
商品标题 h1.goods-title（CSS 选择器） “2024 秋季复古碎花连衣裙 收腰显瘦”
图片列表 div.gallery img的src属性（含主图、细节图） [" https://img.fuzhuang.com/xxx.jpg", ...]
当前价 div.price-current的文本（去除 “¥”） “299.00”（元）
原价 div.price-original的文本（去除 “¥”） “499.00”（元）
品牌 div.brand-name a的文本 “XX 女装”
材质成分 div.material的文本（提取关键信息） “面料：95% 棉 5% 氨纶”
风格标签 div.style-tags span的文本列表 ["复古", "通勤", "碎花"]
颜色选项 div.color-select .color-item的data-color属性 ["黑色", "米色", "碎花"]
动态数据补充（AJAX 接口）尺码表、库存、用户晒图等通过动态接口加载，需单独调用：
库存接口示例： https://www.fuzhuang.com/ajax/sku/stock?item_id={item_id}；
响应示例（库存数据）：
json
{
"data": {
"skus": [
{"color": "黑色", "size": "S", "stock": 120, "sku_id": "123456-S-黑"},
{"color": "黑色", "size": "M", "stock": 85, "sku_id": "123456-M-黑"},
{"color": "米色", "size": "S", "stock": 0, "sku_id": "123456-S-米"} // 无库存
],
"total_stock": 205
}
}
尺码表接口示例： https://www.fuzhuang.com/ajax/size/table?item_id={item_id}，返回详细尺寸数据（肩宽、胸围等）。
规格与库存关联服装商品的 “颜色 + 尺码” 组合是核心规格，需将静态颜色 / 尺码选项与动态库存数据关联：
从静态页面提取所有颜色（如["黑色", "米色"]）和尺码（如["S", "M", "L"]）；
从库存接口筛选stock > 0的有效组合，标记可购买状态；
示例：黑色 - S（库存 120）、黑色 - M（库存 85）为可购，米色 - S（库存 0）为不可购。
数据整合与结构化合并静态、动态数据，形成标准化字典，突出服饰特性：
python
运行
standardized_data = {
"item_id": item_id,
"title": title,
"images": {
"main": main_images, # 主图
"detail": detail_images, # 细节图
"style": style_images # 穿搭图
},
"price": {
"current": current_price,
"original": original_price,
"discount": discount_info, # 优惠信息
"member_price": member_price # 会员价
},
"specs": {
"colors": [
{
"name": color_name,
"image": color_image_url, # 颜色对应的图片
"sizes": [
{
"name": size_name,
"stock": stock_num,
"sku_id": sku_id # 唯一规格ID
} for size_name, stock_num, sku_id in color_sizes
]
} for color_name, color_image_url, color_sizes in color_list
]
},
"size_table": size_table, # 尺码表（肩宽、胸围等）
"material": material, # 材质成分
"style_tags": style_tags, # 风格标签
"user_feedback": {
"rating": rating, # 综合评分
"comments": comments, # 精选评价（含晒图）
"size_suggestions": size_suggestions # 尺码建议（如“偏大一码”）
},
"url": detail_url
}
四、代码实现示例（Python）
以下是item_get接口的完整实现，包含主页面解析、动态接口调用、规格库存关联及反爬处理：
import requests
import time
import random
import re
import json
from bs4 import BeautifulSoup
from fake_useragent import UserAgent
from typing import Dict, List

class FuzhuangItemApi:
def init(self, proxy_pool: List[str] = None, cookie: str = ""):
self.base_url = "https://www.fuzhuang.com/item/{item_id}.html"
self.stock_api = "https://www.fuzhuang.com/ajax/sku/stock" # 库存接口
self.size_table_api = "https://www.fuzhuang.com/ajax/size/table" # 尺码表接口
self.ua = UserAgent()
self.proxy_pool = proxy_pool # 代理池列表
self.cookie = cookie # 登录态Cookie（用于评价等需登录的内容）

def _get_headers(self) -> Dict[str, str]:
    """生成随机请求头"""
    headers = {
        "User-Agent": self.ua.random,
        "Referer": "https://www.fuzhuang.com/category/",
        "Accept": "text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8"
    }
    if self.cookie:
        headers["Cookie"] = self.cookie
    return headers

def _get_proxy(self) -> Dict[str, str]:
    """随机获取代理"""
    if self.proxy_pool and len(self.proxy_pool) > 0:
        proxy = random.choice(self.proxy_pool)
        return {"http": proxy, "https": proxy}
    return None

def _clean_price(self, price_str: str) -> float:
    """清洗价格字符串（去除¥、逗号等）"""
    if not price_str:
        return 0.0
    price_str = re.sub(r"[^\d.]", "", price_str)
    return float(price_str) if price_str else 0.0

def _parse_size_table(self, size_data: Dict) -> List[Dict]:
    """解析尺码表数据（如肩宽、胸围）"""
    if not size_data.get("data"):
        return []
    table = size_data["data"].get("table", [])
    # 转换为[{ "尺码": "S", "肩宽": "36cm", ... }, ...]
    return [dict(zip(table[0], row)) for row in table[1:]] if table else []

def _parse_static_data(self, html: str) -> Dict:
    """解析主页面静态数据"""
    soup = BeautifulSoup(html, "lxml")

    # 提取颜色选项（含颜色图）
    color_list = []
    for color_item in soup.select("div.color-select .color-item"):
        color_name = color_item.get("data-color") or ""
        color_img = color_item.select_one("img")?.get("src") or ""
        color_list.append({"name": color_name, "image": color_img})

    # 提取尺码选项（名称）
    size_names = [size.get("data-size") for size in soup.select("div.size-select .size-item") if size.get("data-size")]

    # 提取材质成分（清洗文本）
    material = soup.select_one("div.material")?.text.strip() or ""
    material = re.sub(r"\s+", " ", material)  # 去除多余空格

    return {
        "title": soup.select_one("h1.goods-title")?.text.strip() or "",
        "images": {
            "main": [img.get("src") for img in soup.select("div.main-gallery img") if img.get("src")],
            "detail": [img.get("src") for img in soup.select("div.detail-images img") if img.get("src")],
            "style": [img.get("src") for img in soup.select("div.style-show img") if img.get("src")]
        },
        "price": {
            "current": self._clean_price(soup.select_one("div.price-current")?.text or ""),
            "original": self._clean_price(soup.select_one("div.price-original")?.text or ""),
            "discount": soup.select_one("div.discount-tag")?.text.strip() or "",
            "member_price": self._clean_price(soup.select_one("div.member-price")?.text or "")
        },
        "brand": soup.select_one("div.brand-name a")?.text.strip() or "",
        "material": material,
        "style_tags": [tag.text.strip() for tag in soup.select("div.style-tags span")],
        "specs": {
            "colors": color_list,
            "size_names": size_names
        },
        "user_feedback": {
            "rating": float(soup.select_one("div.average-rating")?.text or "0"),
            "comment_count": int(re.search(r"\d+", soup.select_one("div.comment-count")?.text or "0").group()) if soup.select_one("div.comment-count") else 0
        }
    }

def _parse_comments(self, html: str) -> List[Dict]:
    """解析用户评价（含尺码建议）"""
    soup = BeautifulSoup(html, "lxml")
    comments = []
    for item in soup.select("div.comment-item")[:5]:  # 取前5条
        user_info = item.select_one("div.user-info")?.text.strip() or "匿名用户"
        # 提取用户体型（如“165cm/50kg”）
        body_type = re.search(r"\d+cm/\d+kg", user_info).group() if re.search(r"\d+cm/\d+kg", user_info) else ""
        # 提取购买的规格（颜色+尺码）
        buy_spec = item.select_one("div.buy-spec")?.text.strip() or ""
        # 提取评价内容
        content = item.select_one("div.comment-content")?.text.strip() or ""
        # 提取尺码建议（如“偏大一码”）
        size_suggest = ""
        if "码" in content:
            suggest_match = re.search(r"(偏大|偏小|正常).*?码", content)
            size_suggest = suggest_match.group() if suggest_match else ""
        # 提取晒图
        images = [img.get("src") for img in item.select("div.comment-images img") if img.get("src")]

        comments.append({
            "user": user_info,
            "body_type": body_type,
            "buy_spec": buy_spec,
            "content": content,
            "size_suggest": size_suggest,
            "images": images
        })
    return comments

def _fetch_dynamic_data(self, item_id: str, headers: Dict[str, str], proxy: Dict[str, str]) -> Dict:
    """调用动态接口获取库存和尺码表"""
    dynamic_data = {
        "stock": {"skus": [], "total_stock": 0},
        "size_table": []
    }
    try:
        # 1. 获取库存数据
        stock_params = {"item_id": item_id}
        stock_resp = requests.get(
            self.stock_api,
            params=stock_params,
            headers=headers,
            proxies=proxy,
            timeout=10
        )
        stock_data = stock_resp.json()
        if stock_data.get("code") == 0 and "data" in stock_data:
            dynamic_data["stock"] = stock_data["data"]

        # 2. 获取尺码表
        size_params = {"item_id": item_id}
        size_resp = requests.get(
            self.size_table_api,
            params=size_params,
            headers=headers,
            proxies=proxy,
            timeout=10
        )
        size_data = size_resp.json()
        dynamic_data["size_table"] = self._parse_size_table(size_data)

    except Exception as e:
        print(f"动态数据获取失败: {str(e)}")
    return dynamic_data

def _merge_specs_and_stock(self, static_specs: Dict, stock_data: Dict) -> List[Dict]:
    """合并颜色、尺码与库存数据"""
    colors = static_specs["colors"]
    size_names = static_specs["size_names"]
    skus = stock_data.get("skus", [])

    # 按颜色分组库存
    color_stock_map = {}
    for sku in skus:
        color = sku["color"]
        if color not in color_stock_map:
            color_stock_map[color] = []
        color_stock_map[color].append(sku)

    # 合并颜色与对应尺码库存
    merged_colors = []
    for color in colors:
        color_name = color["name"]
        color_image = color["image"]
        # 获取该颜色的所有尺码库存
        color_skus = color_stock_map.get(color_name, [])
        # 关联尺码名称（确保顺序与页面一致）
        sizes = []
        for size_name in size_names:
            # 查找该颜色+尺码的库存
            sku_match = next((s for s in color_skus if s["size"] == size_name), None)
            if sku_match:
                sizes.append({
                    "name": size_name,
                    "stock": sku_match["stock"],
                    "sku_id": sku_match["sku_id"],
                    "available": sku_match["stock"] > 0
                })
            else:
                sizes.append({
                    "name": size_name,
                    "stock": 0,
                    "sku_id": "",
                    "available": False
                })
        merged_colors.append({
            "name": color_name,
            "image": color_image,
            "sizes": sizes
        })
    return merged_colors

def item_get(self, item_id: str, timeout: int = 10) -> Dict:
    """
    获取服装网商品详情
    :param item_id: 商品ID（如123456、CLOTH202409）
    :param timeout: 超时时间
    :return: 标准化商品数据
    """
    try:
        # 1. 主页面请求
        url = self.base_url.format(item_id=item_id)
        headers = self._get_headers()
        proxy = self._get_proxy()

        # 随机延迟，避免反爬
        time.sleep(random.uniform(1.5, 3))
        response = requests.get(
            url=url,
            headers=headers,
            proxies=proxy,
            timeout=timeout
        )
        response.raise_for_status()
        main_html = response.text

        # 2. 解析主页面数据
        static_data = self._parse_static_data(main_html)
        if not static_data["title"]:
            return {"success": False, "error_msg": "商品不存在或已下架"}

        # 3. 解析用户评价
        comments = self._parse_comments(main_html)
        static_data["user_feedback"]["comments"] = comments
        # 提取尺码建议汇总
        size_suggestions = [c["size_suggest"] for c in comments if c["size_suggest"]]
        static_data["user_feedback"]["size_suggestions"] = size_suggestions

        # 4. 获取动态数据（库存、尺码表）
        dynamic_data = self._fetch_dynamic_data(item_id, headers, proxy)

        # 5. 合并规格与库存
        merged_colors = self._merge_specs_and_stock(
            static_data["specs"],
            dynamic_data["stock"]
        )

        # 6. 整合结果
        result = {
            "success": True,
            "data": {
                "item_id": item_id,** static_data,
                "specs": {
                    "colors": merged_colors,
                    "total_stock": dynamic_data["stock"].get("total_stock", 0)
                },
                "size_table": dynamic_data["size_table"],
                "url": url,
                "update_time": time.strftime("%Y-%m-%d %H:%M:%S")
            }
        }
        return result

    except requests.exceptions.HTTPError as e:
        if "403" in str(e):
            return {"success": False, "error_msg": "触发反爬，建议更换代理或Cookie", "code": 403}
        return {"success": False, "error_msg": f"HTTP错误: {str(e)}", "code": response.status_code}
    except Exception as e:
        return {"success": False, "error_msg": f"获取失败: {str(e)}", "code": -1}

使用示例

if name == "main":

# 代理池（替换为有效代理）
PROXIES = [
    "http://123.45.67.89:8888",
    "http://98.76.54.32:8080"
]
# 登录态Cookie（从浏览器获取，用于评价等内容）
COOKIE = "session_id=xxx; user_id=xxx"

# 初始化API客户端
api = FuzhuangItemApi(proxy_pool=PROXIES, cookie=COOKIE)

# 获取商品详情（示例item_id）
item_id = "123456"  # 替换为实际商品ID
result = api.item_get(item_id)

if result["success"]:
    data = result["data"]
    print(f"商品标题: {data['title']}")
    print(f"价格: 当前￥{data['price']['current']} | 原价￥{data['price']['original']} | 优惠: {data['price']['discount']}")
    print(f"品牌: {data['brand']} | 材质: {data['material']} | 风格: {', '.join(data['style_tags'])}")
    print(f"用户评分: {data['user_feedback']['rating']}分 | 评价数: {data['user_feedback']['comment_count']}条")
    print(f"颜色选项: {', '.join([c['name'] for c in data['specs']['colors']])}")
    print(f"可购规格示例（{data['specs']['colors'][0]['name']}）:")
    for size in data['specs']['colors'][0]['sizes'][:3]:
        status = "有货" if size['available'] else "无货"
        print(f"  尺码{size['name']}: {size['stock']}件（{status}）")
    print(f"核心尺码表:")
    if data['size_table']:
        for row in data['size_table'][:3]:  # 打印前3行
            print(f"  {row['尺码']}: 肩宽{row.get('肩宽', '')} | 胸围{row.get('胸围', '')} | 衣长{row.get('衣长', '')}")
    print(f"用户尺码建议: {', '.join(data['user_feedback']['size_suggestions'][:3])}")
else:
    print(f"获取失败: {result['error_msg']}（错误码: {result.get('code')}）")
五、关键技术难点与解决方案

尺码表解析与标准化
问题：服装尺码表格式多样（表格 / 文本），参数命名不统一（如 “衣长” vs “长度”），且包含单位（cm/inch），提取和比对难度大。
解决方案：
优先调用动态尺码表接口（结构化数据），若接口不可用则解析页面表格，用pandas转换为标准字典；
建立核心参数映射表（如 “衣长”“长度” 统一为 “衣长”），去除单位仅保留数值（便于后续对比）；
示例代码中_parse_size_table函数将表格数据转换为标准化列表，支持直接提取 “肩宽”“胸围” 等关键参数。
颜色 - 尺码库存关联
问题：服装商品的库存以 “颜色 + 尺码” 组合为单位（如黑色 - S、米色 - M），需将静态颜色 / 尺码选项与动态库存数据精准关联，避免匹配错误。
解决方案：
从静态页面提取颜色名称和尺码名称，作为基础维度；
从库存接口获取sku列表，按颜色分组构建映射表（color_stock_map）；
遍历静态颜色列表，为每个颜色匹配对应的尺码库存，标记 “有货 / 无货” 状态（available字段）；
示例代码中_merge_specs_and_stock函数实现完整关联逻辑，确保库存数据与页面选项一一对应。
用户评价中的尺码建议提取
问题：用户评价中的 “尺码建议”（如 “偏大一码”“165cm 选 M 码”）是服装决策的关键数据，但分散在文本中，需精准提取。
解决方案：
用正则匹配关键词（如 “偏大”“偏小”“码”），提取结构化建议（如size_suggest字段）；
关联用户体型信息（如 “165cm/50kg”），为尺码推荐系统提供参考；
对评价内容进行情感分析（正面 / 负面），结合尺码建议形成综合决策数据。
反爬机制对抗
问题：服装网对商品数据爬取限制严格，高频请求会触发 IP 封锁（403 错误），尤其针对多图商品（图片 URL 易被识别）。
解决方案：
代理 IP 轮换：使用高匿代理池，每 2-3 次请求切换 IP，优先选择国内 IP（服装网用户以国内为主）；
请求频率控制：单 IP 每分钟请求≤3 次，两次请求间隔 2-4 秒（模拟用户浏览服装详情的节奏）；
图片 URL 处理：爬取图片时添加随机延迟（1-2 秒），避免因批量下载图片触发反爬；
Cookie 池策略：维护多个登录态 Cookie，随机携带以降低单一账号风险，尤其在获取用户评价时。
六、最佳实践与合规要点
系统架构设计采用 “轻量采集 + 图片缓存” 架构，适配服装类商品特性：
采集层：集成代理池、Cookie 池，控制图片下载频率，避免触发反爬；
解析层：分离基础信息与动态数据解析逻辑，重点处理尺码表与库存关联；
存储层：用 Redis 缓存商品基础信息（1 小时过期，价格波动较快），对象存储（如 OSS）缓存图片（长期有效）；
监控层：实时监控请求成功率、库存数据完整度，异常时通过邮件告警。
性能优化策略
异步批量获取：使用aiohttp并发处理多个item_id（控制并发数≤3），提升效率；
按需解析：列表页优先提取item_id、价格、主图等核心字段，详细尺码表和评价通过后续item_get接口补充；
图片懒加载：非必要图片（如细节图）可延迟下载，优先保证文字数据获取速度。
合规性与风险控制
频率限制：单 IP 日请求量≤500 次，避免对服务器造成压力，符合平台 robots 协议；
数据使用边界：不得将用户评价、晒图用于商业售卖或恶意竞争，需注明数据来源 “服装网”；
图片版权：服装图片可能涉及品牌版权，使用时需遵守《著作权法》，不得擅自用于商业宣传。
七、总结
服装网item_get接口的对接核心在于颜色 - 尺码库存的精准关联、尺码表的标准化解析及用户评价中决策信息的提取。开发者需重点关注：
二维规格（颜色 + 尺码）与库存数据的匹配逻辑（确保可购状态准确）；
尺码表和用户建议的结构化处理（辅助消费决策）；
图片爬取的反爬策略（避免因多图下载触发封锁）。
通过本文的技术方案，可构建稳定的商品详情获取系统，为服装电商、时尚分析等场景提供可靠数据支持。实际应用中，需根据平台最新页面结构动态调整解析规则，平衡数据获取效率与合规性