OpenTable-Restaurant- und Reservierungsdaten scrapen in 2026 (API & Python)

Am schnellsten scrapst du OpenTable-Restaurant- und Reservierungsdaten 2026, indem du eine strukturierte API aufrufst, die normalisiertes JSON zurückgibt — Restaurant-Profile, Menus, Gäste-Reviews und live buchbare Timeslots — statt OpenTables internen Booking-Flow zu reverse-engineeren. Dieser Guide behandelt alle drei Ansätze, was jeder liefert, wo jeder scheitert, und die rechtlichen Grundlagen.

Warum OpenTable scrapen?

OpenTable zentralisiert Restaurant-Discovery, Menus, Reviews und Live-Verfügbarkeit, was es nützlich macht für:

• Reservierungsverfügbarkeits-Monitoring — verfolge, wann bei einem schwer buchbaren Restaurant ein Tisch frei wird.
• Restaurant- & Hospitality-Marktforschung — Cuisine-, Preisband- und Standort-Abdeckung über eine Metro hinweg.
• Review- & Sentiment-Analyse — Kategorie-Ratings der Gäste (food, service, ambience, value, noise).
• Menu- & Preis-Benchmarking — vergleiche Gerichte und Preise über Restaurants hinweg.

Ist es legal, OpenTable zu scrapen?

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

OpenTables Restaurant-Pages und das Live-Verfügbarkeits-Widget werden von einer internen Booking-API gespeist, ein DIY-Scraper reverse-engineert also im Grunde diesen Flow:

import requests

# OpenTable's live-availability widget calls an internal booking API,
# not a documented public endpoint
resp = requests.get("https://www.opentable.com/s?term=dinner&latitude=37.7749&longitude=-122.4194")

Es funktioniert in der Demo und scheitert dann:

• Keine offizielle öffentliche API. OpenTable veröffentlicht keine Developer-API für Drittanbieter-Zugriff auf Search oder Verfügbarkeit, also gibt es keinen dokumentierten Endpoint und keinen Key — du replizierst die privaten Calls von Consumer-Site und -App.
• Echtzeit-Verfügbarkeit ist der schwierige Teil. Timeslots ändern sich, während Tische gebucht und wieder freigegeben werden, ein gescrapter Snapshot ist also innerhalb von Minuten veraltet — du musst in engem Takt neu pollen, genau das Load-Muster, das Anti-Bot-Systeme markieren.
• Anti-Bot-Abwehr. Wiederholte automatisierte Requests an Search- und Verfügbarkeits-Endpoints ziehen Rate-Limits und Blocks nach sich, was realistische Header, Proxys und ständige Pflege erfordert.
• Driftendes internes Schema. Die Response-Form der privaten Booking-API ändert sich ohne Vorwarnung und bricht replizierte Queries.

Option 2: No-Code-Tools

"OpenTable-Scraper"-Actors aus Marketplaces exportieren CSV/JSON und eignen sich für einmalige Abrufe, aber in einer In-Product-Pipeline sind sie umständlich — besonders für alles, was Live-Verfügbarkeit trackt — und erben dieselbe Fragilität der internen API.

Option 3: Eine strukturierte OpenTable-API

Für wiederholbare Workflows liefert eine OpenTable scraping API normalisiertes JSON, ohne dass du einen internen Booking-Flow pflegen musst. Suche nach Term, Location, Datum/Uhrzeit und Personenzahl — mit Live-Verfügbarkeit gleich inline:

curl "https://api.crawlora.net/api/v1/opentable/search?term=dinner&latitude=37.7749&longitude=-122.4194&party_size=2" \
  -H "x-api-key: $CRAWLORA_API_KEY"

Löse dann eine Restaurant-id auf und hol dessen Profil, Menu und Reviews in Python:

import requests

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

results = requests.get(f"{base}/search", headers=h,
                       params={"term": "dinner", "latitude": 37.7749, "longitude": -122.4194}).json()["data"]["results"]
rid = results[0]["id"]

restaurant = requests.get(f"{base}/restaurant", headers=h,
                          params={"restaurant_id": rid, "party_size": 2}).json()["data"]
menus = requests.get(f"{base}/restaurant/menus", headers=h,
                     params={"restaurant_id": rid}).json()["data"]["menus"]
reviews = requests.get(f"{base}/restaurant/reviews", headers=h,
                       params={"restaurant_id": rid, "page": 1}).json()["data"]["reviews"]

Eine Restaurant-Profil-Response ist normalisiertes JSON, das du direkt speichern kannst (echte Felder):

{
  "code": 200,
  "msg": "OK",
  "data": {
    "id": "131459",
    "name": "El Gaucho Argentinian Steakhouse - Hai Ba Trung",
    "city": "Ho Chi Minh city",
    "dining_style": "Casual Dining",
    "cuisines": [{ "id": "029cd931-...", "name": "Steak" }],
    "timeslots": [{ "date_time": "2026-08-04T19:00", "available": true, "price_amount": null, "token": "..." }]
  }
}

Reviews kommen mit Kategorie-Ratings zurück, nicht nur einem Gesamtscore:

{ "id": "OT-131459-908-...", "reservation_date": "2026-05-29T13:45", "author": "kim", "text": "Australian beef, top notch.", "recommended": true, "statistics": { "overall_rating": 5.0, "food": 5.0, "service": 5.0, "ambience": 5.0, "value": 4.0, "noise": 3.0 } }

Speichere eine Zeile pro Restaurant (oder pro Timeslot-Check, für Verfügbarkeits-Monitoring) und pulle nach einem Zeitplan neu, der dazu passt, wie schnell sich die Verfügbarkeit tatsächlich ändert.

Was du sammeln kannst

Öffentliche Felder: Restaurant-Search-Ergebnisse mit inline Live-Verfügbarkeit (id, name, location, cuisines, timeslots); Restaurant-Profil (location, hours, price band, dining style, dress code, features, review summary); Echtzeit buchbare Timeslots (date/time, availability, personenzahl-bezogener price); Menus (sections, items, prices); und Gäste-Reviews mit Kategorie-Ratings (overall, food, service, ambience, value, noise).

Grenzen und typische Herausforderungen

• Keine offizielle Developer-API. Drittanbieter-Zugriff auf Search und Verfügbarkeit bedeutet, OpenTables internen Booking-Flow zu scrapen, was eine strukturierte API hinter einem Key erledigt.
• Verfügbarkeit ist ein bewegliches Ziel. Timeslots spiegeln einen Zeitpunkt wider — um zu überwachen, „wird ein Tisch frei", pollst du nach Zeitplan, statt einem einzelnen Abruf zu vertrauen.
• Reviews sind personenbezogene Daten. Autorennamen, Review-Text und Metro-Location sind nach DSGVO/CCPA personenbezogen — sammle öffentliche, faktische Felder mit einer Rechtsgrundlage.
• Anti-Bot bei wiederholtem Polling. Häufige automatisierte Requests an dasselbe Restaurant ziehen Rate-Limits nach sich — eine strukturierte API fängt das hinter dem Key ab.

Wo das eingesetzt wird

• Reservierungsverfügbarkeits-Monitoring — alarmiere, wenn bei einem ausgebuchten Restaurant eine Stornierung reinkommt. Siehe den Use Case travel & hospitality research.
• Restaurant-Marktforschung — Cuisine-Dichte, Preisbänder und Abdeckung über eine Metro hinweg.
• Review- & Reputations-Monitoring — Kategorie-Sentiment der Gäste über die Zeit. Siehe den Use Case review & reputation monitoring.

Sources

Loslegen mit dem Sammeln

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

Teste den Search-Endpoint im Playground, prüfe das Schema in den API docs und sieh dir das pricing an. Siehe auch how to scrape Yelp für lokale Business-Ratings, how to scrape TripAdvisor für Reise- und Venue-Reviews, mobile app APIs explained dafür, wie diese Daten tatsächlich fließen, und is web scraping legal.