Cómo hacer scraping de tiendas Shopify en 2026 (API y Python)

La forma más rápida de hacer scraping de tiendas Shopify en 2026 es llamar a una API estructurada que devuelve JSON normalizado — productos, variantes, precios, colecciones y metadatos de la tienda — en lugar de rastrear cada storefront y parsearlo tú mismo. El DIY en Python es posible porque la mayoría de las tiendas Shopify exponen un feed público de productos, pero el manejo de variantes, la paginación y las particularidades de cada tienda hacen que un endpoint mantenido sea el camino más simple a escala.

Las Admin y Storefront APIs propias de Shopify requieren las credenciales del dueño de la tienda — están pensadas para tiendas que tú controlas. Para investigar storefronts que no son tuyos, recopilas la superficie pública de productos, que es justo lo que una API de scraping estructurada normaliza por ti.

¿Es legal hacer scraping de tiendas Shopify?

Las páginas de producto del storefront son públicas, y recopilar datos públicos suele tratarse de forma distinta al acceso a cuentas privadas — con las condiciones habituales:

• Recopila solo datos públicos del storefront — sin acceso al admin ni al checkout.
• Respeta los términos y las directivas robots de cada tienda, además de tu ley local.
• No reutilices imágenes ni textos de producto más allá de lo que tu caso de uso y la ley permitan.
• Eres responsable del uso lícito y de buena fe de lo que recopiles.

No es asesoría legal — consulta ¿Es legal el web scraping en 2026? para el panorama completo.

Opción 1: DIY en Python (y por qué se rompe)

Muchas tiendas Shopify exponen un feed público products.json, así que el primer intento parece sencillo:

import csv, requests

resp = requests.get(
    "https://www.allbirds.com/products.json",
    params={"limit": 250, "page": 1},  # walk page=1,2,... until the list is empty
    headers={"User-Agent": "Mozilla/5.0"},
)
rows = []
for p in resp.json()["products"]:
    for v in p["variants"]:                       # flatten nested variants into rows
        rows.append({"title": p["title"], "handle": p["handle"],
                     "variant": v["title"], "price": v["price"], "available": v["available"]})

with open("shopify.csv", "w", newline="") as f:
    w = csv.DictWriter(f, fieldnames=rows[0].keys()); w.writeheader(); w.writerows(rows)
# ...then handle HTTP 430 rate limits and stores that disable /products.json

Dónde se vuelve costoso:

• Exposición inconsistente — algunas tiendas desactivan el feed público, y Shopify devuelve HTTP 430 cuando alcanzas su límite de tasa, así que necesitas backoff, proxies y fallbacks.
• Aplanar variantes — cada producto tiene variantes, opciones e imágenes anidadas que hay que normalizar en filas.
• Paginación — /products.json tiene un tope de 250 por página; los catálogos grandes abarcan muchas páginas que recorrer y deduplicar, y /collections.json es un segundo rastreo.
• Diferencias entre tiendas — las divisas, la disponibilidad y los metafields varían según el theme.

Opción 2: herramientas no-code y ya hechas

Los exportadores de apuntar y hacer clic pueden volcar una tienda, pero el monitoreo de catálogo y precios implica revisar muchas tiendas con un calendario y guardar el histórico — un pipeline al que una API sirve mejor que una herramienta manual.

Opción 3: una API estructurada de Shopify

La API de Shopify de Crawlora envuelve los endpoints de producto, colección y tienda detrás de una sola API key, devolviendo JSON normalizado. Apúntala a una URL de tienda:

curl -G "https://api.crawlora.net/api/v1/shopify/products" \
  -H "x-api-key: $CRAWLORA_API_KEY" \
  --data-urlencode "url=https://www.allbirds.com" \
  --data-urlencode "limit=50"

import requests

resp = requests.get(
    "https://api.crawlora.net/api/v1/shopify/products",
    headers={"x-api-key": "YOUR_API_KEY"},
    params={"url": "https://www.allbirds.com", "limit": 50},
)
for product in resp.json()["data"]["products"]:
    print(product["title"], product["price"], product["handle"])

Una respuesta es JSON normalizado que puedes guardar directamente (los campos son ilustrativos — confirma el esquema en los docs):

{
  "code": 200,
  "msg": "OK",
  "data": {
    "products": [
      {
        "handle": "wool-runner",
        "title": "Wool Runner",
        "price": 98.0,
        "currency": "USD",
        "available": true,
        "variants": [{ "title": "US 9", "price": 98.0, "available": true }]
      }
    ]
  }
}

A partir de ahí, puedes mapear el catálogo con las colecciones, obtener el detalle completo de un producto por handle, o leer los metadatos de la tienda — todo con la misma key (cada endpoint recibe la url de la tienda):

h = {"x-api-key": "YOUR_API_KEY"}
base, store = "https://api.crawlora.net/api/v1/shopify", "https://www.allbirds.com"

collections = requests.get(f"{base}/collections", headers=h, params={"url": store}).json()["data"]
product = requests.get(f"{base}/products/wool-runner", headers=h, params={"url": store}).json()["data"]
meta = requests.get(f"{base}/store", headers=h, params={"url": store}).json()["data"]

Usa /collections/{handle}/products para recorrer una colección, y los endpoints de sitemap para descubrir cada URL de producto y colección del storefront — útil cuando /products.json está desactivado.

Qué puedes recopilar

• Productos: título, handle, precio, disponibilidad, imágenes y variantes
• Colecciones y los productos dentro de una colección
• Metadatos de la tienda y sitemaps del storefront
• Sugerencias de búsqueda y recomendaciones de producto

Limitaciones y desafíos comunes

• No todas las tiendas exponen el feed. Algunas desactivan /products.json o lo limitan por tasa (HTTP 430); el endpoint de tienda puede recurrir a un dominio público *.myshopify.com, pero la cobertura no está garantizada — usa los endpoints de sitemap como respaldo para el descubrimiento.
• Variantes y metafields. Los productos anidan variantes, opciones e imágenes; aplánalas en filas y ten en cuenta que los metafields específicos del theme varían entre tiendas.
• Paginación. Productos y colecciones se paginan con un máximo de 250 por página; recórrelas y deduplica entre páginas.
• Las imágenes y los textos tienen derechos de autor. Los precios y la disponibilidad son datos que puedes recopilar; las fotos y descripciones de producto tienen copyright — no las repúbliques más allá de lo que tu caso de uso y la ley permitan.

Fuentes

Dónde encaja esto

Pruébalo primero, gratis: pasa cualquier URL pública por el Free Web Scraper, o comprueba si un sitio bloquea bots con el Anti-Bot Checker — sin registro.

Los datos de Shopify impulsan el monitoreo de catálogo, el seguimiento de precios de la competencia y la investigación de surtido. Combínalos con cómo hacer scraping de Shop.app para la vista del marketplace de consumo — la superficie entre tiendas donde estos mismos comercios se descubren — y la API de scraping de Amazon para precios entre canales, todo bajo el workflow de inteligencia de producto e-commerce. Para la misma estrategia en otros marketplaces, consulta cómo hacer scraping de datos de producto de Amazon y cómo hacer scraping de eBay, o cómo elegir una API de web scraping.

Empieza probando el endpoint en el Playground, leyendo el esquema de request y response en los docs de la API, y revisando los costos en créditos en la página de precios.