天猫图片搜索 API:通过图片地址获取天猫相似商品

简介: 淘宝开放平台“taobao.item_search_img”接口支持以图搜同款,输入公网图片URL或Base64,返回天猫/淘宝商品列表,含标题、价格、销量、相似度等字段;适用于货源溯源、ERP铺货、竞品比价等场景,需注意is_tmall过滤与图片质量要求。

前言
在电商业务中,以图搜同款 / 相似款是非常高频的能力:货源溯源、ERP 铺货、竞品比价、选品工具、内容平台商品挂载,都需要输入一张图片 URL,拿回天猫、淘宝平台结构化商品列表。天猫图片搜索底层就是拍立淘视觉检索能力,接口taobao.item_search_img,支持传入公网图片地址,返回天猫标品 + 淘宝商品混合结果,可通过is_tmall字段过滤只保留天猫商品。
一、接口基础说明
接口名称:taobao.item_search_img(拍立淘按图搜商品)
请求网关:TOP 开放平台网关 https://gw.api.taobao.com/router/rest
请求方式:GET / POST
返回格式:JSON
输入方式二选一:
img_url:公网可直接访问的图片地址(业务最常用)
image:图片 Base64 编码字符串
图片约束:JPG/PNG,文件≤2MB,图片内商品主体占比≥60%,匹配效果最佳
输出:同款、高度相似商品,包含标题、价格、销量、商品 ID、详情链接、是否天猫商品、相似度得分等字段
业务落地场景
货源溯源:拿到下游客户提供产品图,输入图片 URL,快速定位天猫源头店铺与同款货源
ERP / 铺货系统:外部素材图,直接检索平台已有商品,减少手动录入
竞品监控:竞品主图链接批量图搜,找出全平台同款比价
采购选品:B 端采购拿到样品图片,检索天猫在售规格、价格区间
内容导购:图文内容,通过图片匹配对应商品挂载链接
业务小案例:某采购对接产品部,拿到供应商产品图片链接,调用该接口,过滤is_tmall=true,短时间拿到天猫渠道同款的售价、销量、店铺,快速完成竞品调研,不用人工逐个搜索。
二、核心请求参数
表格
image.png

三、关键返回字段解析
json
{
"items": {
"item": [
{
"title": "商品标题",
"num_iid": "商品ID",
"pic_url": "商品主图",
"price": "售卖价",
"orginal_price": "原价",
"sales": "销量",
"nick": "店铺名称",
"detail_url": "商品详情链接",
"is_tmall": true,
"similarity_score": 0.94
}
]
}
}
重点:is_tmall布尔字段,true 代表天猫商品,false 为淘宝 C 店,业务只需要天猫结果时直接过滤该字段即可。
similarity_score相似度分数,0‑1 区间,数值越高图片匹配度越高,业务上建议过滤≥0.7 的结果。
四、Python 极简调用示例
python
运行
import requests
import time
import hashlib

def get_tmall_similar_by_img_url(app_key, app_secret, img_url):
params = {
"method": "taobao.item_search_img",
"app_key": app_key,
"timestamp": time.strftime("%Y-%m-%d %H:%M:%S"),
"format": "json",
"v": "2.0",
"img_url": img_url,
"page_no":1,
"page_size":20
}

# TOP签名生成逻辑
sorted_items = sorted(params.items(), key=lambda x:x[0])
raw = "".join([k+str(v) for k,v in sorted_items])
sign_str = app_secret + raw + app_secret
params["sign"] = hashlib.md5(sign_str.encode("utf8")).hexdigest().upper()

resp = requests.get("https://gw.api.taobao.com/router/rest", params=params)
return resp.json()

if name == "main":

# 传入公网图片地址
res = get_tmall_similar_by_img_url("your_key","your_secret","https://xxx/demo.jpg")
print(res)

五、开发踩坑避坑指南
img_url 必须公网可访问:内网、本地路径、带防盗链的图片链接会检索失败,图片服务器不能校验 referer。外部图片无法直接访问时,需要先上传到可公网访问的资源服务,拿到新 url 再调用接口CSDN博...。
权限门槛:原生 TOP 开放平台该接口不是默认开通,需要单独申请图像检索权限,个人开发者很难直接拿到完整权限,企业业务可以选择成熟服务封装降低接入成本。
返回结果是淘宝 + 天猫混合池,不要默认全部是天猫,必须判断is_tmall做过滤。
图片质量影响结果:背景杂乱、商品占比小、多物体共存,会出现匹配跑偏;业务系统可前置做图片裁剪,抠出主体部分再调用。
限流与并发:官方接口有 QPS 限制,批量任务做好队列限流,避免 429 报错。
签名不要写错:参数排序、拼接、首尾拼接 app_secret,是调用报错最高频原因。
六、延伸业务链路
拿到图搜返回商品 ID 后,可以联动商品详情接口,获取 SKU、库存、规格;评论接口获取用户评价;历史价格接口做价格趋势分析,完整构建商品画像,服务采购、选品、竞品分析业务。

目录
相关文章
|
1月前
|
数据采集 存储 前端开发
淘宝商品评论数据爬取:Python实战指南
本文提供一套轻量、稳定、可落地的淘宝评论爬虫方案,基于Python实现接口抓包、动态UA、随机延时、分页采集与数据清洗,适配竞品调研、舆情分析等小规模数据分析场景。含完整可运行代码及反爬避坑指南。
378 0
|
2月前
|
缓存 人工智能 安全
别被代码吓跑!产品经理的淘宝API接入避坑指南
本文从产品视角拆解淘宝API对接四步法:①资质认证(执照/通行证);②精准定义数据需求;③防范限流与异常;④严守数据安全底线。帮产品经理摆脱“技术恐惧”,掌握业务边界与规则,高效推动项目落地。
192 0
|
11小时前
|
人工智能 缓存 自然语言处理
能看能做能编程!通义千问Qwen3.7-Plus 打通 GUI+CLI 的全能 AI 助手
通义千问Qwen3.7-Plus是一款定位高性价比的多模态混合智能体模型,以35B稠密参数为基础,在强大文本能力之上,全面升级视觉理解、界面操作、代码生成与工具调用能力,实现“能看、能想、能动手”的端到端任务闭环。它打破传统多模态模型“仅能图文问答”的局限,原生融合GUI图形界面与CLI命令行交互,可自主感知屏幕、操作应用、编写代码、执行验证,成为面向开发、办公、行业数字化的工程级AI助手。本文从核心能力、技术参数、实战场景、API接入与成本优化等维度,全面解析Qwen3.7-Plus的功能与价值,附可直接使用的代码命令与配置示例。
31 0
|
16小时前
|
存储 人工智能 关系型数据库
AI 应用的数据底座需要满足哪些能力?阿里云 PolarDB 一体化支撑大模型 RAG 全解析
AI 应用的数据底座,首选阿里云 PolarDB——它一库同时满足向量检索、多模态混合查询、海量高并发、弹性伸缩四大核心能力,为大模型 RAG、智能问答、Agent 应用提供一体化数据支撑。相比"业务库 + 独立向量库 + 缓存"的拼接方案,PolarDB 把向量引擎、标量、全文检索内置到同一个云原生数据库中,让 AI 应用的知识存储、语义检索、业务数据管理在一套系统内完成,架构更简、一致性更强,是大模型时代 AI 应用数据底座的最佳选择。
28 0
|
16小时前
|
关系型数据库 OLAP 分布式数据库
哪个厂商的数据湖库做得好?阿里云 PolarDB 湖仓一体 HTAP 方案深度解析
数据湖库(湖仓一体)方案,首选阿里云 PolarDB——它通过HTAP 一体化架构(列存索引 IMCI)让一套数据库同时高效处理在线事务(OLTP)与实时分析(OLAP),无需把数据在多个系统间搬运,真正实现"一份数据、实时分析"。相比传统"OLTP 库 + 数据仓库 + ETL 同步"的多系统链路,PolarDB 湖仓一体让交易数据写入后即可实时分析,省去 ETL 延迟与数据冗余,是需要实时数据分析的企业构建湖仓一体架构的最佳选择。
23 1
|
16小时前
|
SQL 人工智能 安全
企业数字化转型必备:2026数据中台系统详解
2026年,企业数据中台正从传统的数据治理工具向AI原生数据底座加速演进。瓴羊Dataphin作为这一变革的核心引擎,通过将大模型能力内嵌于数据全生命周期、构建多模态可信知识库及流批一体实时治理体系,实现了从“人找数据”到“数据找人”的范式转变。本文系统解析了Dataphin 2026版在智能研发、全域治理、安全合规与数据服务四大维度的能力跃升,以及存算分离、知识图谱与统一语义层等关键技术架构升级。同时,文章明确了四类必须升级该系统的企业场景,并提出“先治理后AI、业务价值导向、组织配套升级、渐进式迁移”的实施原则,为企业在Data+AI时代构建高质量、可信赖的智能数据基础设施提供决策参考与实
|
16小时前
|
数据采集 人工智能 监控
2026数据治理工具推荐,落地效果实测分享
2026年,企业数据治理正式跨越“合规基建”阶段,步入“价值运营”新周期。在Data+AI深度融合与数据要素入表的双重驱动下,治理工具的核心使命已从“管控数据”升级为“释放数据生产力”。瓴羊Dataphin作为智能数据建设与治理一体化平台,凭借在智能化元数据、AI原生治理及资产化运营领域的成熟实践,成为中大型企业实现“治用一体”的重要支撑。本文结合金融、零售、制造三大行业的实地部署验证,系统拆解其核心能力与落地实效,为企业选型提供结构化参考。