Lazada 跨站点比价 API:同一关键词查多个国家站,别把不同币种放进同一列

发布于 2026年10月30日

阿杰(化名,场景为示意)在东莞做 T 恤铺货,每周要给选品群交一张“哪个站最便宜”的表。他的做法很顺手:同一个关键词 t shirt,分别查泰国站和马来西亚站,价格全贴进一列,排序,取最小值。上周这张表说马来西亚站更便宜,预算就往那边倾斜了。可那个最小值是 12.9,来自马币;泰国站那一行是 79,来自泰铢。两个数字根本不是同一种钱。

下面把这张表拆开重做。表里马来西亚的数字是示意值;泰国站的价格取自一次真实的 site=th、keywords=t shirt 搜索返回。数据来源是 search-items-by-keywords,一个按关键词返回 Lazada 商品列表的 JSON 接口。

把林吉特和泰铢排进同一列的比价表

阿杰的表长这样:

siteprice(原样粘贴)
th79
th115
th246
my12.9
my15.9

对整列取 MIN,得到 12.9,结论是“马来西亚站最便宜”。假设当天 1 马币兑 7 泰铢(演示用的假设,不是行情),12.9 马币约合 90 泰铢,比泰国站那行 79 泰铢还贵。结论整个反过来了。

这张表错了不止一处,但根子在同一个地方:没有币种的数字是不能比较的。原始最小值比的其实是货币面额的大小,马币、新币的数字天然小,永远排在前面;越南盾、印尼盾这类面额大的货币,价格数字动辄上万,永远排在最后。后面三节依次修掉三个衍生问题:币种丢了、价格区间对所有站点填了同一组数、用 item_id 对齐跨站同款。

从第一次请求起,每一行都带上 site 和 currency

先回答最基础的问题:有没有公开的 Lazada 商品搜索接口?这个接口就是。它不需要卖家账号,也不需要你自己跑浏览器、过滑块验证码。官方开放平台通常要先有应用和卖家授权,范围以官方文档为准;只是想看某个关键词下各站点在卖什么,用搜索接口更直接。

登录后在控制台复制平台密钥,替换下面的 YOUR_API_KEY。site 必填,一次只传一个站点代码:my、sg、vn、id、ph、th。打开本页或复制命令不会发出请求,只有你自己运行才会扣点数。

curl "https://api.opendata-api.com/api/project/lazada-api/search-items-by-keywords?key=YOUR_API_KEY&keywords=t%20shirt&site=th"

返回是 code、msg、data 三层。样例里 data 带着 page、page_size、start_key、total_count、回显的 keyword 和 sort,以及 items 列表。币种不在外层,而在每一行的 currency 里:样例首行 price 是 "115",currency 是 "THB"。价格是字符串,要用 Decimal 读,不能直接当浮点数;sold_count 更特别,样例里同时出现 "68000" 和 "38.1K" 两种写法,排序前先统一成数字。

所以采集函数要在第一次就把 site、currency、抓取时间钉在每一行上。传输层用 raise_for_status,业务层单独看 code,两者都要过。密钥放环境变量 OPENDATA_API_KEY,它走查询参数,别写进截图、工单和浏览器前端。

import os
from datetime import datetime, timezone
from decimal import Decimal

import requests

API_KEY = os.environ["OPENDATA_API_KEY"]
URL = "https://api.opendata-api.com/api/project/lazada-api/search-items-by-keywords"


def search(site, keywords, page=1, **extra):
    params = {"key": API_KEY, "site": site, "keywords": keywords, "page": page, **extra}
    resp = requests.get(URL, params=params, timeout=30)
    resp.raise_for_status()  # transport level
    body = resp.json()
    if body.get("code") != 200:  # business level, checked separately
        raise RuntimeError(f"{site}: code={body.get('code')} msg={body.get('msg')}")
    data = body["data"]
    fetched_at = datetime.now(timezone.utc).isoformat(timespec="seconds")
    rows = [
        {
            "site": site,
            "currency": it["currency"],
            "price": Decimal(it["price"]),  # price arrives as a string
            "item_id": it["item_id"],
            "title": it["title"],
            "brand": it.get("brand"),
            "seller_id": (it.get("shop_info") or {}).get("seller_id"),
            "fetched_at": fetched_at,
        }
        for it in data["items"]
        if it.get("price")
    ]
    return data, rows


def assert_one_currency_per_site(rows):
    seen = {}
    for r in rows:
        seen.setdefault(r["site"], set()).add(r["currency"])
    bad = {s: c for s, c in seen.items() if len(c) != 1}
    if bad:
        raise ValueError(f"mixed currencies inside one storefront: {bad}")

我们只实测了 th,它返回泰铢。其余站点的币种以行内 currency 为准,不要在代码里写死;assert_one_currency_per_site 就是在帮你发现“同一站点出现两种币种”这种异常。

price_start 与 price_end 是各站点本币的区间

阿杰的第二个错误是:给每个站点填同一组 price_start=10、price_end=30。接口说明里,这两个参数是数字字符串,按所选站点的币种理解;不传时,响应里回显的 price_start、price_end 是空字符串。10 到 30 在新加坡站是新币,在泰国站是泰铢,完全是两个价格带。

要注意:探测样例没有真正打过价格区间,所以“区间确实按本币、按哪个价格字段生效”这件事,别当成已证实的结论。上线前先自己验一遍,拿一个小区间对一个站点跑一页,看每一行的 price 是否落在区间里:

# One band per storefront, written in that storefront's own currency (placeholder values)
BANDS = {"th": ("60", "150"), "my": ("8", "20")}


def search_band(site, keywords, page=1):
    low, high = BANDS[site]
    data, rows = search(
        site, keywords, page, price_start=low, price_end=high, sort="price_up"
    )
    outside = [r for r in rows if not Decimal(low) <= r["price"] <= Decimal(high)]
    return data, rows, outside

outside 不为空,说明区间没有按你以为的方式生效,比如针对的是另一个价格字段,或者根本没起作用。先查清是哪一种,再放量。sort 取 pop、sales、price_up、price_down,同样只在单个站点内部排序。各站点的区间应该由你的目标价格带,按带日期的汇率表分别折算成本币,而不是复制同一组数字。

item_id 只在本站点内有效:用标题键匹配同款

阿杰的第三个错误是用 item_id 做 VLOOKUP,想把泰国站和马来西亚站的同款对上。样例里每行的 product_url 带着站点的国家域名,各国站的 listing 是独立的,没有任何依据把 item_id 当成跨站键。它的正确用法是站点内的行键:(site, item_id) 用来去重翻页重叠的行,也用来在你自己的快照表里跟踪同一个 listing 随时间的价格。

跨站同款要靠标题键,而且要先承认它的边界。样例里泰国站的标题是泰文,别的站可能是马来文、英文或中文,所以直接比标题文本没用。更稳的组合是 brand 加型号词:品牌字段是拉丁字母,型号词(比如 TS1155 这样含数字的串)通常会在各语言标题里原样出现。样例里不少商品的 brand 是 "No Brand",这类行没法跨站匹配,直接排除,不要硬凑。

import re
import unicodedata

MODEL = re.compile(r"[a-z]*\d[a-z\d-]{2,}")  # tokens such as ts1155 or a2650


def title_key(row):
    brand = (row["brand"] or "").strip().lower()
    if brand in ("", "no brand"):
        return None  # generic listings cannot be matched across storefronts
    text = unicodedata.normalize("NFKC", row["title"]).lower()
    model = MODEL.search(text)
    return f"{brand}|{model.group()}" if model else None

标题键给的是候选,不是证明。命中的跨站组合,抽样点开 product_url 对一眼再采信。这也是为什么 t shirt 这类泛词适合看价格带,却很难比出“同款”;要比同款,关键词本身就得带型号。

改造后:先按币种分组,再用带日期的汇率表换算

站内的统计,最低价、中位数、价格带,直接用本币算,不需要汇率;同一站点只有一种币种,上面的断言已经保证了。只有跨站比较才换算,而且换算要可审计:汇率表自带日期,过期就拒绝运行,结果表里本币价和折算价并排留着。

汇率文件由你自己维护,结构如下,数字填你当天采用的汇率,per_unit 表示 1 单位该币种折合多少基准币:

{"as_of": "YYYY-MM-DD", "base": "CNY", "per_unit": {"MYR": "<rate>", "THB": "<rate>"}}
import json
from datetime import date


def load_rates(path, max_age_days=3):
    with open(path, encoding="utf-8") as fh:
        doc = json.load(fh)
    as_of = date.fromisoformat(doc["as_of"])
    if (date.today() - as_of).days > max_age_days:
        raise ValueError(f"rate table dated {as_of} is too old")
    return as_of, {cur: Decimal(v) for cur, v in doc["per_unit"].items()}


def compare(rows, rates, as_of):
    best = {}  # title key -> site -> cheapest row, still in that site's money
    for r in rows:
        key = title_key(r)
        if key is None:
            continue
        slot = best.setdefault(key, {})
        if r["site"] not in slot or r["price"] < slot[r["site"]]["price"]:
            slot[r["site"]] = r
    table = []
    for key, by_site in best.items():
        if len(by_site) < 2:
            continue  # nothing to compare across storefronts
        for site, r in by_site.items():
            table.append({
                "key": key,
                "site": site,
                "item_id": r["item_id"],
                "currency": r["currency"],
                "price_native": r["price"],
                "price_base": (r["price"] * rates[r["currency"]]).quantize(Decimal("0.01")),
                "rate_as_of": as_of.isoformat(),
                "fetched_at": r["fetched_at"],
            })
    return sorted(table, key=lambda t: (t["key"], t["price_base"]))

折算价是列表标价换算出来的参考值,运费和结算时的优惠不在这条数据里。搜索接口只给当下的列表,没有历史价格;想长期跟踪价格变化,就把这张结果表按 (site, item_id, fetched_at) 每天追加存档,历史由你自己的快照攒出来。

阿杰后来的表,比原来只多了三列:currency、汇率日期、fetched_at。

每个站点该翻几页:page、page_size 与 total_count

样例里 page_size 是 40,total_count 是 33395。关键词 t shirt 这么宽,按 40 一页要 835 页才能翻完,没必要也未必现实。total_count 更适合用来判断关键词是不是太宽,而不是当成要翻的页数;我们没有证据说明深页都能取到,所以停止条件写成“页内行数不足 page_size”或“到达你设的上限”。

def crawl_site(site, keywords, max_pages=2):
    rows = []
    for page in range(1, max_pages + 1):
        data, batch, _ = search_band(site, keywords, page)
        rows += batch
        if len(batch) < data["page_size"]:
            break  # a short page means the list has ended
    assert_one_currency_per_site(rows)
    return rows


KEYWORD = "t shirt"  # replace with a model-specific phrase for real comparisons
all_rows = []
for site in BANDS:
    all_rows += crawl_site(site, KEYWORD)

每个站点先翻一两页,看这些页有没有带来新的可匹配标题键,再决定要不要加页。批量采集的请求数是站点数乘页数,每次请求都扣点数。做选品时,同一行里的 price_info.origin_price、discount、sold_count、review_info.review_count 和 shop_info 已经够画价格带和竞争密度,不必为此多翻页。

如果想知道某个关键词下哪些店铺卖得多,按 shop_info.seller_id 聚合,再把 sold_count 统一成数字求和;样例里有一行的 shop_id 是 null,所以别拿它当分组键。

比价表之后还能接什么

价格比完,常见的下一步不在这个接口里,而是别的比价与监控场景。下面几篇处理的是同一类问题的不同切面:

  • Idealo 商家报价 API:搜索只负责发现候选,国家与商品 ID 成对保存,报价明细和价格快照另存,思路和这里的 (site, item_id) 一致。
  • ASOS 尺码库存查询 API:把站点、币种、尺码体系跟监控记录绑在一起,是“币种不能丢”的另一个例子。
  • 亚马逊 Best Sellers 榜单 API:按站点各打一次,每天存一份按商品归档的快照,适合接在价格带分析之后做长期跟踪。