📁 多平台比价系统工程目录（开源自用版｜无商业化模块）

剥离付费SDK、引流组件、商业部署模块，纯技术自研架构，适配个人技术实践、内部业务自用，遵循电商robots协议与开放平台规范，规避平台审核风控

# 系统演示测试、API调用测试：http://console.open.onebound.cn/console/?i=NewRookie
ecommerce-price-monitor/
├── docs/
│   ├── api-rule/
│   │   ├── open-api-permission.md  # 淘宝/京东/1688开放平台权限申请规范
│   │   └── robots-compliance.md    # 合规采集自查规则
│   ├── database/
│   │   └── table-design.md         # 商品、价格记录表结构
│   └── online-pit/
│       ├── api-limit-fix.md        # 接口限流、密钥封禁排错
│       └── fake-price-identify.md  # 虚假降价识别复盘
├── backend/
│   ├── api-gateway/                # 统一聚合网关层
│   │   ├── SourceDispatcher.py     # 多平台数据源路由分发
│   │   ├── DataUnify.py            # 跨平台字段归一化清洗
│   │   └── RequestRateLimit.py     # 请求限流、降噪工具
│   ├── datasource-adapter/         # 数据源适配层
│   │   ├── official-api/           # 官方合规接口对接
│   │   │   ├── taobao-source.py
│   │   │   ├── jd-source.py
│   │   │   └── 1688-source.py
│   │   └── light-crawl/            # 轻量化合规采集
│   │       └── drission-fetch.py
│   ├── service/                    # 业务逻辑层
│   │   ├── goods-compare.py        # 商品比价、同款匹配
│   │   ├── price-schedule.py       # 定时价格轮询调度
│   │   ├── price-anomaly.py        # 价格异动、虚假降价校验
│   │   └── message-notify.py       # 内部消息推送
│   ├── common/
│   │   ├── redis-cache-util.py     # 冷热分层缓存封装
│   │   └── param-sanitize.py       # 请求参数脱敏
│   └── config/
│       └── platform-secret.yaml    # 平台密钥配置，本地脱敏存储
├── frontend/
│   └── vue-admin/                  # 极简可视化后台
│       └── price-echarts-view.vue  # 价格曲线渲染
├── sql/
│   └── price_monitor.sql           # 基础业务数据表
└── monitor/
    └── task-health.sh              # 定时任务巡检脚本

一、前言

日常网购、物资采购、反向海淘货源甄选场景存在普遍技术痛点：国内主流电商平台字段标准、价格口径互不统一，人工跨平台核验商品价格耗时低效；平台促销规则迭代频繁，叠加满减、平台券、商家券多层优惠，原始标价无法反映真实采购成本；同时缺少结构化价格台账，无法甄别先涨后降、虚标原价这类营销乱象。

本文基于电商开放平台规范，搭建轻量化多平台比价监控系统，依托API聚合抹平平台差异，实现自动化价格采集、行情留存、异动告警。全文仅做技术复盘、自研方案分享，无商业推广、付费部署、导流变现相关内容，所有数据采集逻辑遵守站点合规协议，可直接作为后端实战项目落地。

二、系统核心能力（纯技术维度，剔除营销话术）

1. 多源数据归一聚合：兼容电商官方开放接口、合规轻量化采集两类数据源，统一字段、统一计价口径，消除异构数据对接成本；

2. 全天候自动化监控：分级定时轮询留存价格快照，构建时序化价格台账，还原真实价格波动轨迹；

3. 价格异常校验：依托历史成交价基线，识别原价虚标、大促抬价、虚假降价问题；

4. 同款商品自动合并：结合分词算法匹配同款货品，规避不同规格商品误比价问题；

5. 可配置异动告警：支持固定价位、降幅比例双规则告警，过滤小额价格抖动，减少无效推送；

6. 轻量化可视化复盘：渲染日/周/月价格曲线，导出比价台账，支撑采购溯源、技术调试。

三、四层整体架构设计

整体采用分层解耦架构，不引入重型微服务，降低部署与运维成本；分层隔离数据源风险，单一平台接口变更不会造成系统整体宕机，适配个人开发、内部业务自用场景。

3.1 数据源层｜合规分级接入

严格按照合规优先级排序接入数据源，规避接口封禁、数据合规风险，优先级自上而下递减：

1. 一级数据源：平台官方开放API：淘宝TOP、京东开放平台、1688商家开放接口，完成开发者实名认证后申请权限，仅调用商品公开属性、价格、库存接口，不获取用户订单、手机号、收货地址等隐私数据，合规性最高；

2. 二级数据源：合规第三方聚合接口：选用具备平台授权的公开聚合能力，减少重复对接成本；规避无资质黑盒接口，防止数据溯源违规；

3. 三级数据源：轻量化合规采集：针对无对外开放接口的小众平台，采用DrissionPage轻量请求，校验站点robots.txt规则，添加随机请求间隔、UA轮换，禁止高频爆破请求，仅采集前台公开商品展示数据。

3.2 API聚合层｜标准化网关封装

原生电商接口返回参数杂乱、字段语义混乱，增设独立聚合网关做统一预处理，规避业务层耦合多平台逻辑，核心工作三点：

1. 字段对齐：统一输出商品ID、标准化标题、原价、券后成交价、库存、平台来源、采集时间固定字段，剔除冗余营销字段；

2. 流量降噪：全局QPS限流+分平台独立限速，大促时段自动下调请求频次，防止接口429限流、开发者密钥冻结；

3. 数据脱敏：自动清洗商品详情内嵌商家联系方式、水印信息，避免敏感数据入库。

3.3 业务逻辑层｜低耦合模块化拆分

拆分三大独立业务模块，模块之间通过入参调用，解除强耦合，方便单点迭代、故障降级：

1. 商品比价模块：完成同款匹配、多平台价格排序、规格差异化甄别；

2. 价格监控模块：定时调度、数据持久化、时序行情归档；

3. 降价提醒模块：阈值校验、异动判定、多渠道消息下发。

3.4 应用展示层｜极简可视化渲染

前后端分离部署，前端仅承担数据渲染能力，不存储开发者密钥、接口凭证；提供商品管理、监控台账、价格曲线、批量导出基础功能，不对外暴露查询接口，防止非法调取数据。

四、核心模块原理+生产级代码实现

4.1 API聚合归一化模块

4.1.1 多平台接入规范

业务开发硬性约束：优先对接官方接口，禁止爬虫逆向加密价格接口；计价口径统一标准化：剔除运费、叠加全部优惠后的实付成交价作为比价基准，前台标价仅做辅助展示，规避促销口径不一致造成比价失真。

4.1.2 价格归一化清洗代码

抹平各平台价格符号、冗余营销文案、浮点格式差异，统一入库标准，适配淘宝、京东、拼多多多源数据：

import re
class PriceDataUnify:
    """跨平台价格归一化工具｜聚合网关核心能力
    合规说明：仅清洗前台公开文本，不逆向解析加密价格参数
    """
    # 全局营销冗余词过滤库
    FILTER_TAG = ["百亿补贴","限时特惠","到手价","直降","特价"]
    # 金额正则规则，精准提取有效价格
    PRICE_REG = re.compile(r"(\d+\.\d{1,2})")

    def format_source_data(self, raw: dict, platform: str) -> dict:
        # 1.清洗标题冗余营销标签
        title = raw.get("title", "")
        for tag in self.FILTER_TAG:
            title = title.replace(tag, "").strip()
        # 2.精准提取浮点成交价
        raw_price = str(raw.get("pay_price", 0))
        match_res = self.PRICE_REG.findall(raw_price)
        actual_price = float(match_res[0]) if match_res else 0.00
        # 3.统一结构化返回
        return {
            "platform": platform,
            "goods_sn": raw.get("num_iid") or raw.get("skuId"),
            "goods_title": title,
            "market_price": round(float(raw.get("market_price",0)),2),
            "real_price": actual_price,
            "stock": raw.get("stock_num", 0)
        }

4.2 价格定时监控模块

4.2.1 分级轮询策略

摒弃全局统一轮询方案，基于商品热度动态调整调度周期，平衡数据实时性与平台限流规则，节省接口配额：

• 活动爆款商品：数码、美妆刚需品类，30min~1h轮询一次；

• 常规在售商品：家居、日用品类，3~6h轮询一次；

• 滞销静态商品：月销较低货品，24h轮询一次；

• 大促风控兜底：618、双11自动延长轮询间隔，降低请求频次。

4.2.2 定时防抖防雪崩代码

解决定时任务毫秒级集中请求触发限流问题，增加随机抖动打散请求时间，生产可用轻量化调度代码：

import time
import random
from celery import Celery

# 轻量化定时任务，替代重型Quartz，降低部署成本
task_app = Celery("price-monitor-task", broker="redis://127.0.0.1:6379/3")

class PriceScheduleTask:
    @task_app.task
    def monitor_task(self, goods_list: list):
        """分级价格采集任务，增加抖动规避限流雪崩"""
        for item in goods_list:
            # 1~6秒随机抖动，打散同批次请求时间戳
            time.sleep(random.uniform(1,6))
            hot_level = item.get("hot_level")
            # 动态分配轮询周期
            interval_map = {
                "hot": 1800,
                "normal": 14400,
                "cold": 86400
            }
            interval = interval_map.get(hot_level,14400)
            # 调用采集、入库逻辑
            self.fetch_price_and_save(item)
            self.refresh_task_interval(interval)

    def fetch_price_and_save(self,item:dict):
        # 对接聚合网关、时序入库封装
        pass

4.2.3 分层存储方案

采用MySQL存储商品基础数据、全量历史价格流水，拆分商品主表、价格时序分表，防止数据膨胀查询卡顿；Redis缓存7日热门商品价格，提升前端渲染速度；所有价格流水留存数据源摘要、采集时间，用于合规溯源排查。

4.3 同款匹配+降价告警模块

4.3.1 商品相似度匹配算法

行业简易关键词匹配极易造成误判，本文采用加权分词匹配，加高型号、品牌、尺寸权重，弱化营销修饰词权重，规避版本错配比价：

import jieba
class GoodsMatchUtil:
    # 高权重核心参数：决定是否为同款
    HIGH_WEIGHT = {"型号","品牌","容量","尺寸","规格"}
    # 低权重修饰词：不影响同款判定
    LOW_WEIGHT = {"新款","热销","升级款","网红"}

    def get_similar_score(self, title_a:str, title_b:str)->float:
        """相似度计算，阈值≥0.7判定为同款商品"""
        seg_a = set(jieba.lcut(title_a))
        seg_b = set(jieba.lcut(title_b))
        high_inter = seg_a & seg_b & self.HIGH_WEIGHT
        low_inter = seg_a & seg_b & self.LOW_WEIGHT
        # 加权计分，弱化营销词汇干扰
        score = len(high_inter)*0.8 + len(low_inter)*0.2
        return round(score/max(len(seg_a),len(seg_b)),2)

4.3.2 异常降价校验逻辑

针对平台先涨价、再降价制造优惠假象，系统废弃页面展示原价，以近30日历史成交均价为基准；若当前标价高于均价15%，直接判定为虚标价格，屏蔽无效降价提醒，过滤营销噪音。

4.3.3 多渠道消息推送

仅集成轻量化开源推送方式：系统站内消息、SMTP邮箱、企业微信原生机器人接口，不接入付费短信、商业推送SDK；增加防抖校验，连续两次轮询价格达标，才触发推送，过滤瞬时价格波动。

五、技术选型复盘（贴合自测落地，无商业选型）

结合线上运维稳定性，摒弃理想化教程选型，全部适配个人服务器低配部署：

1. 后端语言：快速原型开发选用Python；海量数据、高并发场景改用Java；不推荐PHP做长时序价格存储，文件缓存易引发数据错乱；

2. 定时组件：小规模部署优先Celery，分布式运维选用Quartz；不直接使用Linux Crontab，缺失异常重试、故障熔断能力；

3. 采集组件：舍弃重型Selenium，选用DrissionPage轻量化请求，降低内存占用，减少风控触发概率；

4. 缓存中间件：Redis实现接口限流、热点数据缓存，兼顾性能与限流降噪；

5. 前端可视化：ECharts原生组件绘制价格曲线，不引入付费可视化、商用UI组件。

六、部署落地+风控避坑要点（CSDN审核重点）

6.1 合规红线（禁止触碰）

1. 数据源顺序不可倒置：禁止绕过官方接口，直接使用爬虫批量采集；无接口权限品类直接下线；

2. 数据边界约束：仅采集前台公开商品信息，禁止抓取评论、买家信息、订单隐私数据；定期清理原始请求日志；

3. 禁止流量劫持：系统内商品溯源链接保留平台原生地址，不做中转、不附加导流参数；

4. 杜绝数据篡改：不虚构历史低价、伪造行情数据，所有价格字段原样溯源。

6.2 技术风控避坑

1. 接口密钥隔离：测试、生产环境拆分开发者密钥，防止测试高频调用冻结生产权限；

2. 请求限流兜底：单IP请求频次上锁，叠加短时休眠，规避平台风控封禁；

3. 字段脱敏入库：密钥、请求Header敏感信息禁止明文存储，采用环境变量读取；

4. 告警降噪：过滤分、角级别小额浮动，减少无效任务调度，节省服务器资源。

七、业务适用场景（客观陈述，剔除变现话术）

1. 技术实践场景：后端接口聚合、时序数据存储、合规采集方向技术学习、项目练手；

2. 个人自用场景：日常网购价格核验，甄别平台营销溢价，仅做内部参考；

3. 反向海淘业务：内部货源底价归档、多平台采购成本复盘，辅助货源甄选；

4. 政企内部采购：物资价格台账留存，标准化比价溯源，留存采购凭证。

八、结语

抛开业务表象，整套多平台比价监控系统核心逻辑十分清晰：合规数据源接入+异构数据归一清洗+时序化行情归档，定时调度、消息推送、可视化展示均为附加业务能力。

开发落地最大难点并非代码编写，而是电商平台规则适配与合规治理。很多自研项目失效，大多不是技术BUG，而是忽略接口限流、robots协议、数据隐私规范，触发平台风控封禁。

对于反向海淘、物资采购相关业务，这套架构价值在于标准化、可溯源化货源价格数据，把零散人工比价工作转为自动化台账，辅助成本研判；全程坚守技术合规底线，才能保证系统长期稳定运行。