京东商品详情全自动采集实战｜标准化 JD 商品详情接口 + 多 AI Agent 搭建无人化货源分析系统

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_get

1.1 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

1.2 业务核心入参

表格

基础请求示例 URL

plaintext

https://api-gw.onebound.cn/jd/item_get/?key=你的密钥key&secret=你的密钥secret&num_iid=10335871600&domain_type=jd

1.3 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

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。

1. 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。
2. 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。
3. 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。
4. 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。
5. 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, retry=2): try: resp = requests.get(BASE_API, params=params, timeout=20) 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(f"ℹ️ 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"] = f"https:{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"] = f"https:{main_img}" if main_img else "" temp["全部轮播图"] = ",".join([f"https:{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 # Agent5：Excel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, index=False) 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

1. 安装依赖库，执行终端命令

bash

运行

pip install requests pandas openpyxl

2. 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
3. 按需修改 domain_type 切换自营 / 工业 / 医药站点，调整价格筛选区间
4. 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 FAQ

Q1：返回 error_code=2000，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。

Q2：domain_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。