So scrapst du Nike 2026 (API & Python)

Am schnellsten scrapst du Nike 2026, indem du eine strukturierte API aufrufst, die normalisiertes JSON für die Stichwortsuche, vollständige Produktdetails pro Farbvariante und die komplette Men/Women/Kids/Jordan-Kategorie-Taxonomie liefert — statt Nike.coms Seiten selbst zu parsen. Nike.com ist ohne Konto durchsuchbar, aber es gibt keine Self-Service-API für externe Entwickler, echte Anti-Bot-Infrastruktur schützt den Storefront, und Nikes Terms of Use nennen Scraping direkt beim Namen und setzen Bot-Bans bei SNKRS ungewöhnlich aggressiv durch. Dieser Guide zeigt dir alle drei Ansätze: was jeder liefert, wo DIY scheitert, und die rechtliche Realität von Anfang an.

Warum Nike scrapen?

Nikes Produkt- und Katalogdaten treiben an:

• Preis- und Drop-Intelligence — verfolgen, wie sich Preis und Farbvarianten-Lineup eines Modells über die Zeit verändern, auch im Vorfeld eines neuen Release.
• Größen- und Lagerbestand-Monitoring — den Größenlauf einer bestimmten Farbvariante auf Restocks oder Ausverkäufe beobachten.
• Farbvarianten- und Retro-Tracking — Jordan-Retros und limitierte Farbvarianten bewegen sich schnell; erfassen, welche style_color-Kombinationen existieren und wann neue erscheinen.
• Sortiments-Recherche — die Produktabdeckung über die Linien Men, Women, Kids und Jordan hinweg kartieren.
• Wettbewerbs-Benchmarking — Nikes Katalog und Preisgestaltung mit anderen Sportartikel- und Sneaker-Händlern vergleichen.

Ist es legal, Nike zu scrapen?

Option 1: DIY in Python (und warum das scheitert)

Nikes Produktseiten rendern aus eingebettetem Page-State statt aus einem stabilen öffentlichen JSON-Endpoint, daher muss ein DIY-Scraper die gerenderte Seite abrufen und parsen:

import requests
from bs4 import BeautifulSoup

resp = requests.get(
    "https://www.nike.com/t/air-force-1-07-mens-shoes-jBrhbr/DD1391-100",
    headers={"User-Agent": "Mozilla/5.0 (compatible; research-bot/1.0)"},
)
soup = BeautifulSoup(resp.text, "html.parser")
# Price, size availability, and every other colorway live in embedded
# page state, not consistently exposed as selectable markup

Es funktioniert in der Demo und geht dann kaputt:

• Die Terms of Use sind eindeutig. Nike nennt „data mining, robots, scraping, or similar data gathering and extraction methods" direkt beim Namen und verlangt, robots.txt zu befolgen — das ist kein Grenzfall.
• Echte Anti-Bot-Infrastruktur schützt die Seite. Ein einfacher, unauthentifizierter Scraper wird schnell herausgefordert, und ein Browser-basierter Ansatz braucht laufende Pflege, sobald sich die Abwehr weiterentwickelt — und SNKRS bannt Bots gezielt über Interaktionsanalyse, Kontoverifizierung und IP-Reputationsprüfungen.
• Jede Farbvariante ist ein eigener Produktdatensatz. Ein einzelner Page-Abruf liefert dir die Daten eines style_color; das vollständige Bild — jede Größe, jede andere verfügbare Farbe — bedeutet, jede Variante einzeln aufzulösen, und die Kombination aus slug/style_color ist aus der URL allein nicht ersichtlich.
• Keine Self-Service-API. Es gibt kein offizielles Developer-Programm, über das ein externer Entwickler programmatischen Zugriff beantragen kann.

Option 2: No-Code-Tools

Marketplace-Scraper-Actors für Nike gibt es, und sie eignen sich für einen einmaligen Abruf einer Produktseite oder einer kurzen Liste, aber sie erben dieselbe Anti-Bot-Fragilität wie DIY und geben dir kein stabiles, versioniertes Schema, auf dem du eine Pipeline aufbauen kannst.

Option 3: Eine strukturierte Nike-API

Für einen wiederholbaren Workflow liefert Crawlora's Nike API normalisiertes JSON für Suche, Produktdetails und Kategorien — kein Page-Parsing oder Pflege der Bot-Abwehr. Suche nach Stichwort:

curl "https://api.crawlora.net/api/v1/nike/search?query=air%20force%201" \
  -H "x-api-key: $CRAWLORA_API_KEY"

Löse dann ein slug und eine style_color aus dem colors[]-Array eines Suchtreffers auf und hole vollständige Details in Python:

import requests

h = {"x-api-key": "YOUR_API_KEY"}
base = "https://api.crawlora.net/api/v1/nike"

hits = requests.get(f"{base}/search", headers=h, params={"query": "air force 1"}).json()["data"]["products"]
product = hits[0]
slug = product["slug"]
style_color = product["colors"][0]["style_color"]

detail = requests.get(
    f"{base}/product",
    headers=h,
    params={"slug": slug, "style_color": style_color},
).json()["data"]

categories = requests.get(f"{base}/categories", headers=h).json()["data"]["categories"]

Eine Search-Response ist normalisiertes JSON mit Preisen und jeder Farbvariante pro Produkt (echte Felder — prüfe die docs):

{
  "code": 200,
  "msg": "OK",
  "data": {
    "query": "air force 1",
    "page": 1,
    "total": 214,
    "products": [
      {
        "slug": "nike-air-force-1-07",
        "title": "Nike Air Force 1 '07",
        "subtitle": "Men's Shoes",
        "price": { "current": 115, "original": 115, "currency": "USD" },
        "colors": [
          {
            "style_color": "DD1391-100",
            "color_description": "White",
            "image_url": "https://static.nike.com/a/images/t_default/af1-07-white.png"
          },
          {
            "style_color": "CW2288-111",
            "color_description": "White/White",
            "image_url": "https://static.nike.com/a/images/t_default/af1-07-triple-white.png"
          }
        ]
      }
    ]
  }
}

Product-Detail löst ein exaktes slug + style_color-Paar in jede Größe und jede andere verfügbare Farbe für diese Variante auf:

{
  "data": {
    "slug": "nike-air-force-1-07",
    "style_color": "DD1391-100",
    "title": "Nike Air Force 1 '07",
    "color_description": "White",
    "price": { "current": 115, "original": 115, "currency": "USD" },
    "sizes": [
      { "size": "7", "available": true, "sku": "DD1391-100-070" },
      { "size": "7.5", "available": true, "sku": "DD1391-100-075" },
      { "size": "8", "available": false, "sku": "DD1391-100-080" }
    ],
    "other_colors": [
      { "style_color": "CW2288-111", "color_description": "White/White" },
      { "style_color": "315122-111", "color_description": "White/Black" }
    ]
  }
}

/nike/categories liefert die vollständige Taxonomie — jede Men-, Women-, Kids- und Jordan-Kategorie und -Unterkategorie als durchsuchbaren slug:

{
  "data": {
    "categories": [
      {
        "name": "Men",
        "slug": "men",
        "subcategories": [
          { "name": "Shoes", "slug": "men/shoes" },
          { "name": "Jordan", "slug": "men/jordan" }
        ]
      },
      {
        "name": "Jordan",
        "slug": "jordan",
        "subcategories": [
          { "name": "Retro", "slug": "jordan/retro" }
        ]
      }
    ]
  }
}

Speichere eine Zeile pro slug/style_color-Paar und lass es nach Zeitplan erneut laufen, um Preisänderungen und Größenverfügbarkeit im Vorfeld eines Drops zu verfolgen.

Was du sammeln kannst

Öffentliche Storefront-Daten pro Endpoint: paginierte, normalisierte Suchergebnisse, geschlüsselt nach slug, mit Preisen und jeder Farbvariante in colors[] (style_color, color_description, image_url); vollständige Produktdetails für eine Farbvariante anhand von slug und style_color — jede angebotene Größe, Preise und jede andere verfügbare Farbe; und der komplette Men/Women/Kids/Jordan-Kategorie- und -Unterkategoriebaum, jeweils mit durchsuchbarem slug. Nur öffentliche Produktseiten-Daten — keine SNKRS-Release-Teilnahme-Mechanik, keine Kontoinformationen, keine Bestelldaten.

Grenzen und typische Herausforderungen

• Die Suche ist kein garantierter Keyword-Treffer. Nikes eigener Suchindex fällt bei einer obskuren oder unsinnigen Anfrage auf empfohlene Ergebnisse zurück, statt leer zurückzukommen, und die API spiegelt dieses Verhalten — behandle ein nicht-leeres Ergebnis als „nächstliegende Übereinstimmung", nicht als Bestätigung, dass das Keyword im Katalog existiert. Nur eine Anfrage, die ausschließlich aus Satzzeichen besteht, liefert ein wirklich leeres Ergebnis.
• Farbvarianten-Fan-out. Volle Details brauchen sowohl ein slug als auch eine style_color, beide aus einem Suchtreffer stammend — es gibt keinen einzelnen Call, der jede Größe für jede Farbvariante eines Produkts auf einmal zurückgibt.
• Echte Anti-Bot-Infrastruktur im Frontend. Rechne mit Challenges bei naiven oder hochvolumigen automatisierten Requests direkt an nike.com, und rechne damit, dass SNKRS Bot-Bans gezielt über Interaktionsanalyse, Kontoverifizierung und IP-Reputationsprüfungen durchsetzt.
• Keine Self-Service-API. Es gibt kein offizielles Developer-Programm, über das ein externer Entwickler programmatischen Zugriff auf Nikes Storefront-Daten beantragen kann.
• Nur öffentliche Daten. Das zeigt eine Produktseite ohnehin öffentlich — niemals ein Weg, um eine SNKRS-Teilnahme oder einen -Kauf zu automatisieren oder an Konto- oder Bestellinformationen zu kommen.

Wo das eingesetzt wird

• Preis- und Drop-Intelligence — Preis- und Farbvarianten-Lineup-Änderungen bei wichtigen Modellen über die Zeit verfolgen.
• Größen- und Lagerbestand-Monitoring — den Größenlauf einer Farbvariante auf Restocks oder Ausverkäufe beobachten.
• Katalog- und Taxonomie-Mapping — Nikes Men/Women/Kids/Jordan-Kategoriebaum für die interne Suche oder Wettbewerbs-Benchmarking spiegeln.

Sources

Leg los mit dem Sammeln

Probier es zuerst kostenlos aus: jage eine beliebige öffentliche URL durch den Free Web Scraper oder prüfe mit dem Anti-Bot Checker, ob eine Seite Bots blockiert — ohne Anmeldung.

Teste die Search-, Product- und Category-Endpoints im Playground, sieh dir das Schema in den API docs an und wirf einen Blick aufs pricing. Für dasselbe Single-Brand-Retailer-Muster bei Fast Fashion sieh dir how to scrape Zara an; für die General-Merchandise-Version desselben Problems how to scrape Target und how to scrape Walmart. Siehe auch how to choose a web scraping API und is web scraping legal.