Wie Sie Poshmark 2026 scrapen (API & Python)

Poshmark bietet keine allgemeine öffentliche API zum Lesen seines Katalogs an, deshalb ist der schnellste zuverlässige Weg 2026 eine strukturierte Scraping-API, die normalisiertes JSON für Suchergebnisse, Listing-Details, Seller-Closets sowie Marken-/Kategoriedaten liefert — statt Poshmarks Listing-Seiten selbst zu parsen. Poshmark gehört zum selben Resale-Genre wie StockX, hat aber eine andere Form: Es ist Social-Selling, kein Orderbuch, weshalb Closet-Reputation und Community-Aktivität (Likes, Kommentare, Follower) genauso wichtig sind wie der Preis.

Warum Poshmark-Daten scrapen?

• Resale-Preisrecherche — verfolgen, was eine Marke oder Artikelkategorie auf einem Peer-to-Peer-Resale-Marktplatz tatsächlich erzielt, als Vergleich zu Retail oder anderen Marktplätzen.
• Marken- und Trend-Tracking — Listing-Anzahl und Preise nach Marke abrufen, oder einen kuratierten Trend (z. B. „Vintage Celine Handbags") verfolgen, um zu sehen, was gerade im Umlauf ist.
• Seller-/Closet-Monitoring — das Inventar, die Bewertung und die Anzahl verkaufter Artikel eines bestimmten Closets über die Zeit beobachten, für Wettbewerbs- oder Sourcing-Recherche.
• Markt- und Kategorierecherche — die Department-/Kategorie-Taxonomie nutzen, um zu ermitteln, wie viele aktive Listings in einer bestimmten Nische existieren.
• KI-Pipelines und Agenten — normalisierte Listing- und Markendaten in einen Pricing- oder Sourcing-Agenten einspeisen, statt HTML abzugrasen.

Ist es legal, Poshmark zu scrapen?

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

Ein naiver Scraper lädt eine Suchergebnis- oder Closet-Seite und versucht, Listing-Karten aus dem gerenderten Markup zu ziehen:

import requests
from bs4 import BeautifulSoup

resp = requests.get(
    "https://poshmark.com/search?query=nike+jacket",
    headers={"User-Agent": "Mozilla/5.0 (compatible; research-bot/1.0)"},
)
soup = BeautifulSoup(resp.text, "html.parser")
# Listing cards render from client-side state (React), so a plain HTML
# parse mostly returns an empty shell — you end up reverse-engineering
# the app's internal JSON endpoints instead

Es funktioniert einmal in der Demo, dann bricht es:

• Die ToS ist eindeutig. Abschnitt 4(b) nennt Scraping, Harvesting und automatisierte Sammlung direkt, und Poshmarks robots.txt sperrt /search, /listings und /api für jeden Crawler.
• Anti-Bot-Abwehr. Poshmark fronted seine Seite mit Bot-Erkennung; Rechenzentrums-IPs und Headless-Requests werden schnell gedrosselt oder blockiert, besonders auf Such- und Closet-Seiten.
• Clientseitig gerendertes Markup. Listing-Grids, Closet-Statistiken und Trend-Seiten rendern aus JavaScript-State, nicht aus stabilem Server-HTML — eine Layout-Änderung bricht CSS-Selektor-Scraping lautlos.
• Keine sanktionierte Alternative. Anders als eBay oder StockX betreibt Poshmark überhaupt kein Developer-Portal, es gibt also keine offizielle, aber freigegebene API als Rückfalloption.

Option 2: No-Code- und Fertiglösungen

Browser-Erweiterungen und Point-and-Click-Scraper können eine einzelne Suchseite oder einen Closet-Schnappschuss exportieren, aber das Tracking von Markenpreisen oder dem Inventar eines Sellers über die Zeit bedeutet, dieselben Seiten nach Zeitplan erneut abzugreifen — ein Job für einen stabilen Endpoint mit gespeichertem Verlauf, kein Einmal-Export.

Option 3: Eine strukturierte Poshmark-API

Für einen wiederholbaren Workflow liefert eine Poshmark scraping API normalisiertes JSON für Suche, Listing-Detail, Closets, Marken, Kategorien und Trends — ohne Seiten-Parsing, ohne Wartezeit auf eine App, die es nicht gibt. Suche nach Stichwort:

curl "https://api.crawlora.net/api/v1/poshmark/search?query=nike+jacket" \
  -H "x-api-key: $CRAWLORA_API_KEY"

{
  "code": 200,
  "msg": "OK",
  "data": {
    "total": 5000,
    "has_more": true,
    "next_max_id": "ENC_eyJtYXhfaWRzIjpbNDksMSwxXSwicGFnZV9udW0iOjIsInBhZ2VfZ3JvdXBfaWQiOiI2YTcyZTE3OTI1MzYyMTUzMDNhMmVmMWEifQ",
    "listings": [
      {
        "id": "6a6353cb88849a5f185280ea",
        "title": "Nike Jacket",
        "price": 19,
        "original_price": 98,
        "condition": "gu",
        "brand": "Nike",
        "category": "Jackets",
        "department": "Men",
        "size": "M",
        "colors": ["Black"],
        "status": "published",
        "cover_shot": "https://di2ponv0v5otw.cloudfront.net/posts/2026/07/24/x/m_x.jpg",
        "like_count": 12,
        "comment_count": 2,
        "seller_username": "maltimar",
        "url": "https://poshmark.com/listing/6a6353cb88849a5f185280ea"
      }
    ],
    "source_url": "https://poshmark.com/search?query=nike+jacket"
  }
}

query ist erforderlich; department und max_id (Cursor-Pagination, aus next_max_id) grenzen die Ergebnisse ein und blättern weiter. Hol dir volle Listing-Details, das Closet eines Sellers oder die aktiven Listings einer Marke:

import requests

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

hits = requests.get(f"{base}/search", headers=h, params={"query": "nike jacket"}).json()["data"]["listings"]
listing_id = hits[0]["id"]

listing = requests.get(f"{base}/listing/{listing_id}", headers=h).json()["data"]
closet = requests.get(f"{base}/closet/maltimar", headers=h).json()["data"]
brand = requests.get(f"{base}/brand/Nike", headers=h).json()["data"]

Ein Listing-Detail-Aufruf führt das vollständige Seller-Reputationsobjekt mit — Closet-Bewertungsaufschlüsselung, verkaufte Artikel und versendete Bestellungen, zusammen mit Listing-Kommentaren (echte Felder — prüfe die docs):

{
  "code": 200,
  "msg": "OK",
  "data": {
    "id": "6a3fed1de9c77df92e2c0cc6",
    "title": "NWT Farm Rio Shorts",
    "price": 55,
    "original_price": 95,
    "condition": "nwt",
    "brand": "FARM Rio",
    "category": "Shorts",
    "department": "Women",
    "size": "S",
    "colors": ["Red", "Yellow"],
    "status": "published",
    "like_count": 111,
    "comment_count": 4,
    "seller": {
      "username": "maltimar",
      "full_name": "Mary Altimar",
      "followers": 9096,
      "items_sold_display": "500+",
      "rating_average": 4.93,
      "rating_count": 368,
      "rating_breakdown": {
        "five_star": 355,
        "four_star": 7,
        "three_star": 2,
        "two_star": 3,
        "one_star": 1
      },
      "orders_shipped": 522,
      "url": "https://poshmark.com/closet/maltimar"
    },
    "comments": [
      { "comment": "Hi can you tell me the width of the waist?", "creator_username": "muvlax20" }
    ],
    "source_url": "https://poshmark.com/listing/6a3fed1de9c77df92e2c0cc6"
  }
}

/poshmark/categories liefert den vollständigen Department-/Kategorie-Baum (Pfad-Werte wie Women-Shoes) für /poshmark/category/{path}, und /poshmark/trend/{id} blättert durch eine kuratierte Trend-Collection genauso wie die Suchergebnisse.

Was du sammeln kannst

• Suchergebnisse: Titel, Preis, Originalpreis, Zustand, Marke, Kategorie, Department, Größe, Farben, Like-/Kommentarzahlen und Listing-URL
• Listing-Detail: Beschreibung, Titelbild und Fotos, vollständige Seller-Reputation (Bewertungsdurchschnitt, Bewertungsaufschlüsselung, verkaufte Artikel, versendete Bestellungen) und sichtbare Kommentare
• Seller-Closets: Profil plus paginierte aktive Listings für einen bestimmten Nutzernamen
• Markendaten: vollständiges Markenverzeichnis (29.000+ Namen mit Aliassen) und aktive Listings pro Marke
• Kategorie-Taxonomie: Department-→-Kategorie-Baum mit Pfad-Identifikatoren zum Browsen
• Trend-Collections: kuratierte Gruppierungen (z. B. ein Designer- oder Stil-Trend) mit ihren Listings

Grenzen

• Es gibt keine offizielle API. Poshmark betreibt überhaupt kein Developer-Portal — es gibt keine freigegebene, aber sanktionierte Alternative als Rückfalloption, anders als bei eBay oder StockX.
• ToS und robots.txt schränken das Scraping beide ein. Abschnitt 4(b) nennt Scraping und Harvesting direkt, und robots.txt sperrt /search, /listings und /api für jeden Crawler — das ist kein Grenzfall.
• Preise und Statistiken sind eine Momentaufnahme. Poshmark-Artikel werden ständig umbepreist, gebündelt oder als verkauft markiert, und Closet-Bewertungs-/Follower-Zahlen ändern sich täglich — versieh gespeicherte Werte mit einem Zeitstempel.
• Nur öffentliche Daten. Das deckt öffentliche Listing-, Closet- und Markenseiten ab — nicht private Nachrichten, Angebote oder einen Weg, im Namen eines Käufers eine Bestellung aufzugeben.
• Cursor-Pagination. Listen-Endpoints nutzen einen opaken max_id/next_max_id-Cursor statt Seitenzahlen — trage ihn weiter, statt Offsets berechnen zu wollen.

Wo das eingesetzt wird

• Resale- und Sourcing-Recherche — die Poshmark-Angebotspreise einer Marke gegen Retail oder einen anderen Resale-Marktplatz vergleichen.
• Closet- und Wettbewerbsmonitoring — Inventar, Preisgestaltung und Reputationswachstum eines Sellers über die Zeit verfolgen.
• Trend- und Kategorierecherche — messen, wie viele aktive Listings für eine Marke, Kategorie oder einen kuratierten Trend existieren.

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-, Listing-, Closet- und Brand-Endpoints im Playground, sieh dir das Request- und Response-Schema in den API docs an, und wirf einen Blick auf die Credit-Kosten auf der pricing-Seite. Poshmark ist das Social-Selling-Pendant zu den Live-Orderbuch-Resale-Daten in how to scrape StockX und den Festpreis-Listings in how to scrape eBay — kombiniere sie für ein vollständigeres Bild des Secondhand-Markts, oder ergänze den Handmade-/Vintage-Blickwinkel aus how to scrape Etsy. Siehe auch is web scraping legal.