Walmart scrapen 2026 (API & Python)

Am schnellsten scrapst du Walmart 2026, indem du eine strukturierte API aufrufst, die normalisiertes JSON zurückgibt — Suchergebnisse, Produktdetails und Reviews — statt die internen Endpoints hinter walmart.com selbst zu reverse-engineeren. Walmart hat keine offene öffentliche API für externe Entwickler: Die alte Open API ist für Neuanmeldungen geschlossen, und die aktuelle Marketplace API existiert nur für genehmigte Seller, die ihre eigenen Listings verwalten. Dieser Guide zeigt dir alle drei Ansätze: was jeder liefert, wo DIY scheitert und die rechtliche Realität von Anfang an.

Warum Walmart-Daten scrapen?

• Preis-Monitoring — verfolgen, wie sich price und price_text bei bestimmten Artikeln über die Zeit verändern.
• Wettbewerbs-Tracking — Sortiment, Markenmix und seller_name (Walmart.com vs. Drittanbieter im Marketplace) innerhalb einer Kategorie vergleichen.
• Marktforschung — sehen, wie die Suche Produkte zu einer Query rankt und wie sich availability verschiebt.
• Review- und Sentiment-Recherche — rating, review_count und die Sternebewertung pro Stern analysieren, um einzuschätzen, wie ein Produkt tatsächlich ankommt.
• KI-Pipelines — normalisiertes Produkt- und Review-JSON in einen Agenten oder eine RAG-Pipeline einspeisen, ohne eine Page-Parsing-Schicht.

Ist es legal, Walmart zu scrapen?

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

Walmarts Storefront rendert aus internen APIs statt aus statischem HTML, daher muss ein DIY-Scraper genau die Calls reverse-engineeren, die das Frontend der Seite selbst macht:

import requests

# Walmart's storefront calls internal, undocumented endpoints —
# not a licensed public API, and robots.txt disallows /api/ and /search
resp = requests.get(
    "https://www.walmart.com/ip/Apple-AirPods-Pro-2/5689919121",
    headers={"User-Agent": "Mozilla/5.0 (compatible; research-bot/1.0)"},
)

Es funktioniert in der Demo und geht dann kaputt:

• Die Nutzungsbedingungen sind eindeutig. Walmart nennt "robot, spider... scrape, data mine"-Tools direkt beim Namen und verlangt vorherige schriftliche Zustimmung für jedes automatisierte Sammeln von Seiteninhalten.
• robots.txt sperrt genau die Pfade, die ein Scraper braucht. /api/, /search und /typeahead/ sind laut Walmarts eigener Direktive für Crawler pauschal tabu.
• Echte Anti-Bot-Abwehr in der PerimeterX-Klasse am Edge. Walmart betreibt Bot-Erkennung und Challenge-Seiten vor seiner Storefront; naive requests-Calls werden schnell blockiert oder mit CAPTCHA-artigen Interstitials konfrontiert.
• Keine offizielle, dokumentierte Produkt-API. Die Daten hinter jeder Seite stammen aus internen Endpoints, die nicht veröffentlicht oder für die Nutzung von außen lizenziert sind, und ihre Struktur verschiebt sich bei Redesigns ohne Ankündigung.
• Alles fächert sich pro Artikel auf. Volle Details und Reviews liegen jeweils hinter einem eigenen Call, geschlüsselt nach item_id — ein einziger Page-Load liefert dir nie einen vollständigen Produktdatensatz.

Option 2: No-Code- / Fertig-Tools

Marketplace-Scraper-Actors gibt es für einmalige Walmart-Abzüge, aber sie erben dasselbe Risiko bei den Nutzungsbedingungen und dieselbe Anti-Bot-Fragilität wie DIY, und du musst trotzdem Such-, Detail- und Review-Calls selbst zu einem vollständigen Produktdatensatz zusammensetzen.

Option 3: Eine strukturierte Walmart-API

Für einen wiederholbaren, strukturierten Workflow liefert eine Walmart scraping API normalisiertes JSON, ganz ohne Page-Parsing oder Pflege von Edge-Abwehrmechanismen. Durchsuche den Katalog:

curl "https://api.crawlora.net/api/v1/walmart/search?q=wireless+earbuds" \
  -H "x-api-key: $CRAWLORA_API_KEY"

Löse dann eine item_id auf und hole Details und Reviews in Python:

import requests

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

hits = requests.get(f"{base}/search", headers=h, params={"q": "wireless earbuds", "page": 1}).json()["data"]["items"]
item_id = hits[0]["item_id"]

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

Eine Search-Response ist normalisiertes JSON (echte Felder — prüfe die docs):

{
  "code": 200,
  "msg": "OK",
  "data": {
    "query": "wireless earbuds",
    "page": 1,
    "total_results": 1200,
    "items": [
      {
        "item_id": "6543706564",
        "title": "Bose QuietComfort Earbuds, White Smoke",
        "brand": "Bose",
        "canonical_url": "https://www.walmart.com/ip/6543706564",
        "price": 179,
        "price_text": "$179.00",
        "currency": "USD",
        "availability": "IN_STOCK",
        "seller_name": "Walmart.com",
        "rating": 4.4,
        "review_count": 1203
      }
    ]
  }
}

page und sort sind optionale Query-Parameter für /walmart/search, damit kannst du ein vollständiges Ergebnis paginieren und nach Preis oder Rating neu sortieren, ohne die Query zu ändern. Produktdetails verschachteln Preis, Verfügbarkeit und Attribute nach item_id:

{
  "data": {
    "item_id": "5689919121",
    "title": "Apple AirPods Pro 2",
    "brand": "Apple",
    "price": 169,
    "price_text": "$169.00",
    "availability": "IN_STOCK",
    "seller_name": "Walmart.com",
    "rating": 4.6,
    "review_count": 17823,
    "attributes": { "Brand": "Apple" }
  }
}

Und Reviews liefern eine aggregierte Aufschlüsselung plus einzelne Einträge:

{
  "data": {
    "average_rating": 4.3,
    "total_review_count": 2452,
    "recommended_percent": 87,
    "rating_counts": { "five_star": 1698, "four_star": 273, "three_star": 150, "two_star": 116, "one_star": 215 },
    "reviews": [
      { "rating": 5, "text": "Love these earbuds.", "author": "MusicFan", "submission_date": "11/30/2025", "review_id": "406499690" }
    ]
  }
}

Speichere eine Zeile pro item_id und lass es nach Zeitplan erneut laufen, um Preis- und Verfügbarkeitsänderungen zu verfolgen.

Was du sammeln kannst

Öffentliche Katalogdaten pro Endpoint: paginierte, sortierbare Suchergebnisse (items, total_results, page); Produktdetails (title, brand, price, price_text, availability, seller_name, rating, review_count, description, attributes); und Review-Daten (average_rating, total_review_count, recommended_percent, sternebasierte rating_counts und einzelne reviews mit rating, text, author, submission_date). Nur öffentliche Katalogdaten.

Grenzen und typische Herausforderungen

• Keine offene Self-Service-API. Die Walmart Open API ist für Neuregistrierungen geschlossen, und die Marketplace API ist auf genehmigte Seller und Solution-Provider beschränkt — nichts davon ist ein lizenzierter Weg zu massenhaftem Katalogzugriff.
• Echte Anti-Bot-Abwehr am Edge. Walmart betreibt Bot-Erkennung in der PerimeterX-Klasse und Challenge-Seiten vor der Storefront; naive Requests werden schnell blockiert.
• Die Nutzungsbedingungen sind eindeutig. Walmart nennt Robots, Spider und Scraping-/Data-Mining-Tools direkt beim Namen und beschränkt separat die Nutzung von Seiteninhalten für KI-/ML-Training.
• Fan-out pro item_id. Volle Details und Reviews brauchen jeweils einen eigenen Call, geschlüsselt nach item_id — es gibt keinen einzelnen Call, der einen vollständigen Produktdatensatz zurückgibt.
• Kein filial- oder PLZ-spezifischer Preis. Search- und Produkt-Responses liefern einen landesweiten Preis und Verfügbarkeitsstatus, keine filialspezifische Varianz.
• Nur öffentliche Daten. Das sind Katalogdaten, die Walmart ohnehin öffentlich zeigt — niemals ein Weg, um an Konto-, Bestell- oder Post-Login-Informationen zu kommen oder den Katalog geschlossen massenhaft herunterzuladen.

Wo das eingesetzt wird

• Preis- und Deal-Tracking — price und price_text bei beobachteten Artikeln im Blick behalten und Preissenkungen markieren.
• Wettbewerbs-Benchmarking — Sortiment und Markenmix gegen andere Big-Box- und Marketplace-Händler vergleichen.
• Review-Recherche — rating, review_count und Trends bei der Sterneverteilung pro Produkt verfolgen.
• Sourcing und Marktforschung — sehen, welche Seller (seller_name) bei hochvolumigen Suchbegriffen die besten Platzierungen erzielen.

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- und Product-Endpoints im Playground, sieh dir das Schema in den API docs an und wirf einen Blick aufs pricing. Für dasselbe Muster „keine Self-Service-API, gated Developer-Programm" bei einem anderen Retail-Giganten sieh dir how to scrape Amazon product data an; für die Big-Box-Retail-Version desselben Problems how to scrape Target oder how to scrape Costco. Siehe auch is web scraping legal.