# 生鲜杂货价格抓取：哪个门店，哪类买家？

> URL: https://foura.ai/zh/blog/grocery-price-scraping-store-shopper
> Updated: 2026-09-15
> Index: https://foura.ai/llms.txt

在华盛顿特区的一家 Safeway，一打 Lucerne 鸡蛋在 Instacart 上的标价分别为 $3.99、$4.28、$4.59、$4.69 和 $4.79。同一家门店，同一时间，不同的买家。这五个数字中，哪一个该写入你的价格面板？

## 面临的挑战

在生鲜杂货领域，价格情报不再是“抓取商品页、解析价格”那么简单。生鲜杂货的价格绑定在具体门店上，通常还对应特定的配送区域，并且越来越取决于正在浏览它的具体用户。

首先看门店。Scrapfly 的[生鲜价格比价指南](https://scrapfly.io/blog/posts/how-to-build-a-grocery-price-comparison-tool-with-python)指出，一加仑牛奶在一家 Walmart 售价 $3.98，而在 20 英里外的另一家则是 $4.29，同时提醒没有设置门店位置的会话会获取到默认数据，可能与任何真实门店都不匹配。ScrapeInsight 的[2026 生鲜配送指南](https://scrapeinsight.com/blog/scrape-grocery-delivery-data/)在更细的层级发现了同样的情况：一个配送区域为 $3.99，几英里外则是 $4.49。Bright Data 的[ShopGrok 案例研究](https://brightdata.com/customer-stories/general/shopgrok)描述了在过去近四年里，澳大利亚零售定价逐渐演变成依赖邮政编码的模式。

接着看买家。2025 年 12 月，Groundwork Collaborative、Consumer Reports 与 More Perfect Union [在四个城市对 437 名买家进行了实时测试](https://groundworkcollaborative.org/work/instacart/)，让他们在同一时间从同一家门店加购完全相同的 Instacart 购物车。74% 的商品出现了不止一种价格。在存在价差的情况下，最高价与最低价的平均差距达到 13%，整个购物篮的总价差异约为 7%。

综合这些因素，就会导致让生鲜数据采集成本激增的故障。一旦丢失门店上下文，系统不会直接报错。网站不会返回错误状态。它会返回一个完全有效的价格，但属于你并未请求的门店，附带的 SKU、数字和时间戳能顺利通过你的所有非空校验。

我们之前写过[拦截看起来像正常数据点](https://foura.ai/blog/alternative-data-silent-collection-gaps)的情况。而眼前这种问题更难排查，因为该页面确实是一个价格页面，只是并非你想要的那一个。

## 在 response 中验证门店

大多数采集程序在发送门店选择（cookie、query 参数或 header）后就直接选择信任它。更稳妥的做法是让 response 自身提供证明。如果页面标明了其渲染所针对的门店，例如内嵌数据中的 store ID 或自提横幅中的门店名称，该标记就应成为你界定采集成功的依据。在 FourA 上，这只需一次 Proxy Finder 调用：

```python
import requests

r = requests.post(
    "https://api.foura.ai/api/proxy",
    headers={"X-API-Key": "pk_live_..."},
    json={
        "maxTries": 6,
        "request": {
            "method": "GET",
            "url": "https://grocer.example/product/0001234",
            "headers": [["Cookie", "store=1234"]],
            "validate": {
                "status": {"accept": [200]},
                "data": {
                    "accept": ["\"storeId\":\"1234\""],
                    "fail": ["Just a moment", "Access Denied"]
                }
            }
        }
    }
).json()

if "error" in r:
    report = r.get("attemptReport", {})
    print(report.get("summary", r["error"]))
    if report.get("contentRejected", 0) > report.get("defense", 0) + report.get("noResponse", 0):
        print("the site answered for another store: check the store selection")
else:
    page, exit_id = r["data"], r["proxy"]
```

该请求中有三个细节极易出错。

`accept` 只要页面中出现其包含的任意一个字符串就会通过。如果在门店标识旁放置了价格标识，错误门店的页面也会直接通过校验，因为该页面同样包含价格。请在 `accept` 中仅保留门店标识，并将质询字符串放入 `fail`。

自定义的 `Cookie` header 会改变重试机制。当目标站点拒绝我们提供的浏览器指纹时，Proxy Finder 通常会在下一次尝试中切换到其他浏览器家族。但附加了自定义 cookie 后则不会。session 与获取它时所用的指纹绑定，因此携带自身 cookie 的请求会保留初始使用的浏览器。如果某个连锁品牌的网站对浏览器指纹极其敏感，请直接使用 [browser profiles](https://foura.ai/blog/browser-profiles-per-request) 明确指定，而不是依赖自动轮换。

失败的任务会明确指出具体错误类型。每个失败的 Proxy Finder 响应都包含一个 `attemptReport`。`defense` 统计识别出机器人验证的响应次数，`noResponse` 统计未能成功访问站点的出口节点数，`contentRejected` 统计返回 HTTP 200、无机器人验证、但仅因内容规则未满足而被丢弃的页面数。对于生鲜采集而言，最后一项指标具有特定含义：网站已正常响应，但返回的不是目标门店。增加出口节点无法解决该问题。[attempt report guide](https://foura.ai/docs/troubleshooting/proxy-attempt-report) 详细介绍了其他统计项。

## 固定买家身份，或测量离散度

Instacart 的调研结果引入了第二个变量，有两种严谨的处理方案。

构建价格面板时，保持每个门店的采集使用单一身份。通过 Single 配合相同的 cookie 复用成功的出口节点（`r["proxy"]`，一个不透明 ID），并在每一行中存入该 ID 以及 `X-FourA-Request-Id` 响应 header。当价格发生波动时，即可区分是门店实际调价还是 session 切换导致。

进行定价策略研究时，则应刻意反其道而行。通过多个独立 session 对同一门店内的同一 SKU 进行采样，记录数据分布而非单一结果。当买家实际能看到五种价格时，仅上报单一数字的面板算不上精确，纯属运气。

## 结果

以一家对 120 家竞对门店的 2,500 个 SKU 进行每日对标的区域连锁为例（基于行业基准的示例场景）。这意味着每天需要读取 300,000 个页面，在任何给定的夜晚，部分请求都会返回错误门店的数据：例如 cookie 格式变更、门店关闭、或网站开始优先基于 IP 地理位置而非 cookie 判定门店。

- **错误门店页面在采集阶段即失败。** 它们绝不会写入数据行，因此面板中的价格变动确实对应特定门店的价格变动。
- **失败请求分类明确。** `contentRejected` 偏高由负责门店选择的人员处理，`defense` 偏高属于访问问题，`noResponse` 偏高则是出口问题。三类责任人，三种修复方案，没人需要花半个上午去猜测问题根源。
- **每行数据均可追溯。** 每次观测都带有出口 ID 和 request ID，将“这次暴涨是否属实？”简化为一次直接查询。
- **离散度成为具体可量化的数值。** 对于跨 session 采样的 SKU，你可以报告消费者实际面对的价格区间，而不是仅提供单个读数。

该方案的局限性在于：会员价和积分价需要登录账户，而针对特定登录用户的实验在匿名 session 中完全不可见。采集此类数据首先涉及服务条款合规问题，其次才是工程问题。此外，门店标识的可靠性取决于你的提取方式。直接从页面源码中提取，切勿凭经验推测，并在零售连锁网站改版时重新核验。

## 核心结论

过去，生鲜杂货价格是商品本身的属性。现在，它是商品、门店与消费者三者共同决定的结果，仅记录商品属性的采集器产出的只是 schema 规范的噪音。

随着千人千面定价的普及，买家对杂货数据的关注点正从“价格是多少？”转向“这里的价格是多少，价格区间有多大？”因此，值得信赖的采集器不再是出口节点最多的系统，而是每个 request 都能明确指出并证明其对应门店的系统。
