Python实现无货源店铺自动上架与定价实战

技术方案概述

本文将构建一套基于Python的自动化工具，用于解决无货源电商模式中核心的“商品采集”与“精细化定价”问题。该工具将自动抓取上游供应商（以1688为例）的商品数据，根据预设的算法计算出售价，并生成符合上架要求的Excel表格。技术栈选用Python 3.9+，结合requests进行网络请求，BeautifulSoup4解析HTML，pandas处理数据。

第一步：开发环境搭建与依赖安装

在开始编写代码前，需要确保本地已配置好Python环境，并安装必要的第三方库。请打开终端（Terminal或CMD），依次执行以下命令。

1. 安装核心依赖库

执行以下命令安装所需库，requests用于发送HTTP请求，bs4用于解析网页，pandas和openpyxl用于处理Excel文件，fake_useragent用于生成随机User-Agent以防止被反爬。

```bash pip install requests beautifulsoup4 pandas openpyxl fake_useragent lxml ```

第二步：编写商品数据采集模块

创建一个名为product_spider.py的文件。我们需要编写一个函数，能够传入商品详情页URL，返回商品的标题、价格和主图链接。为了确保请求的稳定性，我们需要在请求头中伪装浏览器特征。

1. 定义请求头与初始化

在代码中引入必要的库，并设置一个基础的请求头模板。注意，这里使用fake_useragent动态生成UA。

```python import requests from bs4 import BeautifulSoup from fake_useragent import UserAgent import time import random ua = UserAgent() def get_headers(): return { 'User-Agent': ua.random, 'Referer': 'https://www.1688.com/', 'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,/;q=0.8', 'Accept-Language': 'zh-CN,zh;q=0.8,zh-TW;q=0.7,zh-HK;q=0.5,en-US;q=0.3,en;q=0.2', } ```

2. 实现核心抓取函数

以下函数实现了对1688商品详情页的抓取逻辑。考虑到网页结构可能微调，这里采用了通用的class属性定位。如果遇到网络波动，加入了重试机制。

```python def fetch_product_info(url): max_retries = 3 for attempt in range(max_retries): try: response = requests.get(url, headers=get_headers(), timeout=10) if response.status_code == 200: soup = BeautifulSoup(response.text, 'lxml') 提取标题 - 适配常见的详情页结构 title_tag = soup.find('h1', class_='d-title') or soup.find('span', class_='obj-title') title = title_tag.get_text(strip=True) if title_tag else "无标题" 提取价格 - 优先获取区间价 price_tag = soup.find('span', class_='value') or soup.find('div', class_='price-val') 处理价格符号，只保留数字和小数点 price_text = price_tag.get_text(strip=True) if price_tag else "0.00" price = float(''.join(filter(lambda x: x.isdigit() or x == '.', price_text))) 提取主图 img_tag = soup.find('img', class_='obj-img') or soup.find('div', class_='desc-img-loaded').find('img') if soup.find('div', class_='desc-img-loaded') else None image_url = img_tag.get('src') if img_tag else "" return { 'title': title, 'cost_price': price, 'image': image_url, 'source_url': url } else: print(f"请求失败，状态码: {response.status_code}") except Exception as e: print(f"尝试 {attempt + 1} 失败: {e}") time.sleep(random.uniform(1, 2)) return None ```

第三步：构建精细化定价算法

无货源模式的核心利润在于定价策略。我们需要编写一个算法，综合考虑采购成本、物流模板、平台佣金以及预期的利润率。为了提高转化率，通常会对价格进行“尾数处理”（如9.9元而非10元）。

1. 定价逻辑实现

在product_spider.py中继续添加以下定价函数。该算法支持设置基础利润率和不同价格区间的加价幅度。

```python def calculate_selling_price(cost_price, profit_rate=0.3, shipping_fee=0): """ 计算售价 :param cost_price: 采购成本 :param profit_rate: 利润率 (例如 0.3 代表 30%) :param shipping_fee: 预估物流费用 :return: 最终售价 """ 基础售价 = 成本 / (1 - 利润率) + 物流费 公式解释：假设售价为S，成本为C，利润为P。则 S = C + SP + Fee => S(1-P) = C + Fee => S = (C+Fee)/(1-P) 这里为了简化无货源逻辑，直接采用成本加成法，并覆盖运费 raw_price = cost_price (1 + profit_rate) + shipping_fee 心理定价策略：尾数处理为 .99 或 .9 if raw_price < 50: 低价商品，处理为 .9 final_price = int(raw_price) + 0.9 else: 高价商品，处理为 .99 final_price = int(raw_price 10 - 0.01) / 10.0 保留两位小数 return round(final_price, 2) ```

第四步：批量处理与Excel导出

有了单品的抓取和定价能力，接下来需要处理批量URL。我们将创建一个主流程，读取一个包含商品链接的文本文件，逐个处理，最后导出结果。

1. 创建数据源文件

在同级目录下创建一个名为urls.txt的文件，每行放入一个上游商品链接，例如：

```text https://detail.1688.com/offer/xxxxx.html https://detail.1688.com/offer/yyyyy.html ```

2. 编写主执行逻辑

继续在文件中添加主函数，使用pandas将结果整理为标准的上架表格。

```python import pandas as pd def main(): input_file = 'urls.txt' output_file = 'products_to_upload.xlsx' results = [] try: with open(input_file, 'r', encoding='utf-8') as f: urls = [line.strip() for line in f if line.strip()] except FileNotFoundError: print(f"未找到 {input_file}，请先创建该文件并填入链接") return print(f"开始处理 {len(urls)} 个商品链接...") for index, url in enumerate(urls): print(f"正在处理第 {index + 1} 个...") data = fetch_product_info(url) if data: 应用定价算法 假设我们设置30%的利润率，基础运费补贴为5元 sell_price = calculate_selling_price(data['cost_price'], profit_rate=0.3, shipping_fee=5.0) 构建上架数据行 row = { '商品标题': data['title'], '采购价': data['cost_price'], '建议售价': sell_price, '利润': round(sell_price - data['cost_price'] - 5.0, 2), 售价 - 成本 - 运费 '主图链接': data['image'], '源链接': data['source_url'] } results.append(row) else: print(f"该链接获取失败: {url}") 随机延时，礼貌爬取 time.sleep(random.uniform(2, 4)) 导出Excel if results: df = pd.DataFrame(results) 使用 openpyxl 引擎，确保格式兼容 df.to_excel(output_file, index=False, engine='openpyxl') print(f"处理完成！结果已保存至 {output_file}") else: print("未获取到任何有效数据。") if __name__ == '__main__': main() ```

第五步：代码整合与运行

确保上述所有代码片段都在同一个product_spider.py文件中，并且顺序正确（引入库 -> 函数定义 -> main函数）。完整的文件结构应如下所示：

```python import requests from bs4 import BeautifulSoup from fake_useragent import UserAgent import time import random import pandas as pd ... (此处插入上文定义的所有函数代码: get_headers, fetch_product_info, calculate_selling_price, main) ... ```

执行脚本

在终端中运行以下命令启动程序：

```bash python product_spider.py ```

运行结束后，目录下会生成products_to_upload.xlsx。打开该文件，你将看到包含商品标题、自动计算后的建议售价、利润预估等完整信息的表格。你可以直接将此表格导入到ERP系统或电商后台进行批量上架。

第六步：自动化定时任务配置（进阶）

为了实现“精细化运营”中的定时监控与调价，可以将脚本设置为每天自动运行一次。这里提供Linux (Crontab) 和 Windows (Task Scheduler) 的配置方法。

1. Linux/Mac 配置 (Crontab)

在终端输入 crontab -e，添加以下一行，设置每天早上9点运行一次：

```bash 0 9 /usr/bin/python3 /你的脚本绝对路径/product_spider.py >> /你的日志路径/log.txt 2>&1 ```

2. Windows 配置 (任务计划程序)

1. 打开“任务计划程序”，点击“创建基本任务”。
2. 名称填写“无货源自动采集”，触发器选择“每天”。
3. 操作选择“启动程序”。
4. 程序或脚本填写：python.exe的路径（例如 C:\Python39\python.exe）。
5. 添加参数填写：脚本的完整路径（例如 D:\code\product_spider.py）。
6. 起始于填写：脚本所在的目录（例如 D:\code）。