Несколько месяцев назад один из наших инженеров показал мне Python-скрипт, который он написал за выходные. Он должен был собирать изображения для анализа рыночных трендов из Pinterest. Он запустил его — и результат оказался… 16 пинов. При том, что в доске было больше 2 000. Он смотрел то на экран, то на меня и сказал: «Похоже, Pinterest надо мной просто издевается».
Он не один такой. Это, без преувеличения, самая частая проблема, с которой я сталкиваюсь, когда разработчики пытаются скрапить Pinterest на Python. Вы запускаете requests и BeautifulSoup, открываете URL Pinterest — а в ответ получаете либо пару элементов, либо пустую HTML-оболочку. Почему так происходит? Потому что Pinterest — это полноценное одностраничное приложение, которое рендерится JavaScript’ом: ваш статический HTTP-запрос просто не видит реальный контент. В этом гайде я объясню, почему так происходит, какие подходы действительно работают (Playwright, перехват внутреннего API и no-code инструменты вроде Thunderbit), а также дам пошаговый код для скрапинга пинов, досок, профилей, бесконечной прокрутки и изображений в полном разрешении. Хотите собрать production-скрапер или просто быстро вытащить данные — здесь есть всё, что нужно.
Что такое скрапинг Pinterest?
Скрапинг Pinterest — это программное извлечение данных с платформы Pinterest: изображений пинов, заголовков, описаний, названий досок, числа подписчиков и URL. Вместо того чтобы вручную просматривать и сохранять пины по одному, вы используете код (или инструмент), чтобы собирать структурированные данные из поисковой выдачи, досок или профилей пользователей в больших объёмах.
На платформе уже более 240 миллиардов Pins, а к концу 2025 года — 619 миллионов активных пользователей в месяц, поэтому Pinterest — один из самых богатых источников визуальных данных в интернете. Для бизнеса это настоящая золотая жила: можно отслеживать продуктовые тренды, сравнивать контент конкурентов или собирать списки для outreach-инфлюенсеров.
Зачем скрапить Pinterest на Python?
Pinterest давно перестал быть просто доской настроения для свадебных организаторов. Это уже серьёзная платформа для бизнес-аналитики: 85% пользователей Pinterest, которые заходят на платформу еженедельно, покупали что-то на основе брендированных пинов, а 96–97% топовых поисковых запросов не содержат бренд. То есть люди приходят с намерением что-то найти и купить, но без привязки к конкретной марке. Это огромная возможность для discovery — и именно поэтому многим командам нужны структурированные данные из Pinterest.
Вот как это может быть полезно разным отделам:
| Команда | Какие данные нужны | Бизнес-ценность |
|---|---|---|
| Ecommerce Operations | Изображения товаров, цены, популярная эстетика | Конкурентное ценообразование, ассортимент с учётом трендов |
| Маркетинг | Эффективность досок, вовлечённость пинов, контент конкурентов | Контент-стратегия, бенчмаркинг кампаний |
| Продажи / Lead Gen | Профили авторов, число подписчиков, контакты | Поиск инфлюенсеров, таргетинг партнёрств |
| Недвижимость | Пины со staging, тренды в декоре, планировки | Идеи для фото объектов, рекомендации по оформлению |
| Контент-креаторы | Популярные темы, форматы, сезонные сюжеты | Контент-календарь, исследование визуального стиля |
И вот в чём главный подвох: официальный API Pinterest сильно ограничен. Нужен бизнес-аккаунт, одобрение (в том числе видео-демо вашего приложения), и даже тогда доступен только контент вашего собственного аккаунта. Если вам нужны публичные доски, поисковая выдача или профили конкурентов, практичнее всего скрапинг. Поэтому многие команды выбирают Python — или no-code инструменты вроде Thunderbit, когда нужен результат без долгой настройки.
Почему одного BeautifulSoup недостаточно для Pinterest и что действительно работает
Если вы уже пробовали скрапить Pinterest через requests + BeautifulSoup и получили 16 элементов или пустую страницу, вам не показалось. Pinterest построен на React и рендерит весь контент через JavaScript. Когда вы запрашиваете страницу обычным HTTP-запросом, сервер отдаёт вам лишь минимальный HTML-каркас — несколько тегов <link> и <script>, а также пустой <div>, в который React потом монтирует приложение. Все карточки пинов, изображения, заголовки и сетка появляются только после выполнения JavaScript в браузере.
Нет выполнения JS — нет и пинов.
Так что же работает? Вот сравнение основных подходов:
| Подход | Поддерживает JS? | Получает полный набор данных? | Сложность | Лучше всего подходит для |
|---|---|---|---|---|
requests + BeautifulSoup | Нет | ~0–16 элементов | Низкая | Не подходит для Pinterest |
| Selenium / Playwright | Да | Да, при наличии логики прокрутки | Средняя | Полный контроль, Python-пайплайны |
| Перехват внутреннего API Pinterest | Да | Да, JSON с пагинацией | Высокая | Максимум данных без браузера |
| Сторонний Scraper API | Да | Зависит от сервиса | Низкая | Масштабирование без инфраструктуры |
| No-code инструмент (Thunderbit) | Да | AI-структурирование | Очень низкая | Нетехнические пользователи, быстрый результат |
Для этого туториала я рекомендую Playwright как Python-решение. Он рендерит JavaScript, умеет имитировать прокрутку, активно поддерживается (78 600+ звёзд на GitHub, рост 180% год к году в вакансиях) и в бенчмарках на 35–45% быстрее Selenium. Если вам нужен no-code путь, я тоже покажу его ниже.
Официальный API Pinterest, Python-скрапинг и no-code: что выбрать
Прежде чем писать код, стоит задать себе вопрос: а нужно ли вообще его писать? Вот удобная схема выбора:
| Критерий | Pinterest API | Python-скрапинг | Thunderbit (No-Code) |
|---|---|---|---|
| Нужен доступ | Бизнес-аккаунт + видео-демо | Нет | Нет |
| Доступ к публичным пинам/доскам | Ограничен (только свои данные) | Полный | Полный |
| Скачивание изображений в полном разрешении | Зависит от данных | Да, через разбор URL | Да, через извлечение изображений |
| Поддержка бесконечной прокрутки | Не применимо | Да, через код | Автоматически |
| Сопровождение | Низкое | Высокое (селекторы ломаются) | Нет (AI подстраивается) |
| Экспорт в Sheets/Airtable | Вручную | Через кастомный код | Встроенный |
| Время на запуск | Часы–дни | 30–60 минут | 2 минуты |
Если вы маркетолог, специалист по ecommerce ops или просто хотите получить данные Pinterest в таблицу без написания и поддержки Python-скриптов, Thunderbit AI Web Scraper — это самый быстрый путь. Вы открываете любую страницу Pinterest, нажимаете «AI Suggest Fields», затем «Scrape» и сразу экспортируете данные в Google Sheets, Excel, Airtable или Notion. Его функция скрапинга подстраниц может даже переходить по отдельным ссылкам пинов и автоматически обогащать данные. Я видел, как коллеги, которые никогда не писали код, загружали 500+ пинов в Google Sheet меньше чем за три минуты.
Если же вам нужен полный контроль, вы хотите встроить скрапинг в Python-пайплайн или вам просто нравится делать всё своими руками — читайте дальше.
Настройка Python-окружения для скрапинга Pinterest
- Сложность: Средняя
- Время: примерно 30–60 минут (включая кодинг и тестирование)
- Что понадобится: Python 3.9+, браузер Chrome (для тестов), доступ к терминалу/командной строке
Установка Playwright и зависимостей
Сначала создайте папку проекта и виртуальное окружение:
mkdir pinterest-scraper
cd pinterest-scraper
python -m venv venv
source venv/bin/activate # On Windows: venv\Scripts\activate
Установите Playwright и скачайте бинарник Chromium:
pip install playwright
playwright install chromium
Для экспорта данных вам также понадобятся встроенные модули Python json, os и csv. Дополнительно устанавливать их не нужно.
Структура папки проекта
С самого начала лучше навести порядок:
pinterest-scraper/
├── scraper.py
├── config.py
├── output/
│ ├── pins.json
│ └── pins.csv
└── images/
├── board-name-1/
└── board-name-2/
В config.py задайте строку user agent. Pinterest блокирует стандартные сигнатуры headless-браузеров, поэтому используйте реалистичный вариант:
USER_AGENT = "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/133.0.0.0 Safari/537.36"
Шаг 1: Сформируйте URL поиска Pinterest
Соберите поисковый URL, подставив запрос в шаблон:
query = "mid century modern furniture"
url = f"https://www.pinterest.com/search/pins/?q={query.replace(' ', '%20')}&rs=typed"
Это можно параметризовать для любого поискового запроса. Параметр rs=typed сообщает Pinterest, что запрос был введён вручную, а не подсказан системой, и иногда это влияет на релевантность выдачи.
Шаг 2: Запустите headless-браузер и загрузите страницу
Ниже — базовая настройка Playwright. Обратите внимание на кастомный user agent: без него Pinterest, скорее всего, заблокирует вас или покажет экран входа.
import asyncio
from playwright.async_api import async_playwright
from config import USER_AGENT
async def scrape_search(query, max_pins=100):
url = f"https://www.pinterest.com/search/pins/?q={query.replace(' ', '%20')}&rs=typed"
async with async_playwright() as p:
browser = await p.chromium.launch(headless=True)
page = await browser.new_page(
user_agent=USER_AGENT,
viewport={"width": 1920, "height": 1080}
)
await page.goto(url)
await asyncio.sleep(3) # Ждём, пока JS отрендерит первые пины
После этого на странице должен появиться первый набор пинов — обычно 25–50.
Шаг 3: Извлеките данные о пинах со страницы
Pinterest оборачивает каждый пин в div с data-test-id='pinWrapper'. Внутри вы найдёте ссылку (<a>) с URL пина и заголовком (через aria-label), а также <img> с URL миниатюры.
results = []
pins = await page.query_selector_all("div[data-test-id='pinWrapper']")
for pin in pins:
link = await pin.query_selector("a")
if not link:
continue
title = await link.get_attribute("aria-label") or ""
href = await link.get_attribute("href") or ""
img = await pin.query_selector("img")
src = await img.get_attribute("src") if img else ""
results.append({
"title": title,
"url": f"https://www.pinterest.com{href}" if href.startswith("/") else href,
"image_url": src
})
На этом этапе results содержит только те пины, которые видны в начальной области просмотра. Чтобы получить больше, нужно прокручивать страницу — а это уже самый важный раздел.
Шаг 4: Сохраните результат в JSON или CSV
После извлечения данных запишите их в файлы для удобного использования:
import json
import csv
def save_json(data, filepath="output/pins.json"):
with open(filepath, "w", encoding="utf-8") as f:
json.dump(data, f, ensure_ascii=False, indent=2)
def save_csv(data, filepath="output/pins.csv"):
if not data:
return
with open(filepath, "w", newline="", encoding="utf-8-sig") as f:
writer = csv.DictWriter(f, fieldnames=data[0].keys())
writer.writeheader()
writer.writerows(data)
Если планируете открывать CSV в Excel, используйте кодировку utf-8-sig — так вы избежите «кракозябр».
Скрапинг всей доски Pinterest и профилей пользователей
Это серьёзный пробел во многих материалах. Я не нашёл ни одного достойного конкурирующего гайда, где доски и профили разбирались бы подробно, хотя именно об этом чаще всего спрашивают на форумах. Пользователям нужно скачивать все пины с доски, раскладывать изображения по папкам для каждой доски и собирать данные уровня профиля, например число подписчиков и список досок.
Как собрать все пины с URL доски
URL досок выглядят так: https://www.pinterest.com/{username}/{board-name}/. Структура DOM похожа на результаты поиска — пины снова находятся в div[data-test-id='pinWrapper'] — но для загрузки всех элементов нужно прокручивать страницу.
async def scrape_board(board_url, max_pins=500):
async with async_playwright() as p:
browser = await p.chromium.launch(headless=True)
page = await browser.new_page(user_agent=USER_AGENT, viewport={"width": 1920, "height": 1080})
await page.goto(board_url)
await asyncio.sleep(3)
seen_ids = set()
all_pins = []
for scroll_round in range(100): # Ограничение безопасности
pins = await page.query_selector_all("div[data-test-id='pinWrapper']")
new_count = 0
for pin in pins:
link = await pin.query_selector("a")
if not link:
continue
href = await link.get_attribute("href") or ""
if href in seen_ids:
continue
seen_ids.add(href)
new_count += 1
title = await link.get_attribute("aria-label") or ""
img = await link.query_selector("img")
src = await img.get_attribute("src") if img else ""
all_pins.append({
"title": title,
"url": f"https://www.pinterest.com{href}" if href.startswith("/") else href,
"image_url": src
})
print(f"Прокрутка {scroll_round + 1}: собрано {len(all_pins)} уникальных пинов")
if new_count == 0 or len(all_pins) >= max_pins:
break
prev_height = await page.evaluate("document.body.scrollHeight")
await page.evaluate("window.scrollTo(0, document.body.scrollHeight)")
await asyncio.sleep(2.5)
curr_height = await page.evaluate("document.body.scrollHeight")
if curr_height == prev_height:
break # Больше нет контента
await browser.close()
return all_pins
На что стоит обратить внимание: на страницах досок иногда появляется вкладка «More Ideas», которая отделяет сохранённые пины от алгоритмических рекомендаций. Если вам нужны только реальные сохранённые пины пользователя, прекращайте прокрутку, когда дойдёте до этого разделителя.
Как скрапить профиль пользователя: доски, число подписчиков и пины
URL профиля выглядят так: https://www.pinterest.com/{username}/. На странице профиля можно извлечь:
- Число подписчиков и подписок: ищите
div[data-test-id='follower-count'] - Список досок: каждая доска — это карточка со ссылкой
/{username}/{board-name}/ - Общее число пинов: иногда отображается в шапке профиля
async def scrape_profile(username):
url = f"https://www.pinterest.com/{username}/"
async with async_playwright() as p:
browser = await p.chromium.launch(headless=True)
page = await browser.new_page(user_agent=USER_AGENT, viewport={"width": 1920, "height": 1080})
await page.goto(url)
await asyncio.sleep(3)
# Извлекаем число подписчиков
follower_el = await page.query_selector("div[data-test-id='follower-count']")
followers = await follower_el.inner_text() if follower_el else "N/A"
# Извлекаем ссылки на доски
board_links = await page.query_selector_all("a[href*='/" + username + "/']")
boards = []
for bl in board_links:
href = await bl.get_attribute("href") or ""
name = await bl.get_attribute("aria-label") or href.split("/")[-2]
if href.count("/") >= 3 and href != f"/{username}/":
boards.append({"name": name, "url": f"https://www.pinterest.com{href}"})
await browser.close()
return {"username": username, "followers": followers, "boards": boards}
Чтобы собрать все пины со всех досок профиля, пройдитесь по списку досок и вызывайте scrape_board() для каждой. Изображения можно автоматически раскладывать по папкам с названием доски.
Как построить production-ready обработчик бесконечной прокрутки
Вот раздел, который отделяет игрушечный скрапер от действительно рабочего решения. Проблема №1 — и я видел её как минимум в дюжине обсуждений на форумах — в том, что скраперы возвращают только 16–25 элементов, потому что не прокручивают страницу достаточно далеко или используют фиксированное число прокруток вроде for i in range(5): scroll() и надеются на лучшее.
Такой подход ненадёжен. Pinterest загружает новый контент партиями примерно по 25 пинов, когда срабатывает событие прокрутки. Если прокрутить пять раз, можно получить 125 пинов — а можно 75, если сеть тормозит, или 150, если пачки были меньше. Нужен более умный шаблон.
Паттерн «прокручивать, пока не появится новый контент»
Ниже — надёжная функция прокрутки, которая отслеживает уникальные ID пинов, использует настраиваемый таймаут, содержит логику повторных попыток и печатает прогресс:
import time
import random
async def scroll_and_collect(page, max_pins=1000, max_scrolls=200, scroll_pause=2.5):
seen_ids = set()
all_pins = []
no_new_count = 0
for i in range(max_scrolls):
pins = await page.query_selector_all("div[data-test-id='pinWrapper']")
new_this_round = 0
for pin in pins:
link = await pin.query_selector("a")
if not link:
continue
href = await link.get_attribute("href") or ""
if href in seen_ids:
continue
seen_ids.add(href)
new_this_round += 1
title = await link.get_attribute("aria-label") or ""
img = await link.query_selector("img")
src = await img.get_attribute("src") if img else ""
all_pins.append({
"title": title,
"url": f"https://www.pinterest.com{href}" if href.startswith("/") else href,
"image_url": src
})
print(f" Прокрутка {i+1}: {new_this_round} новых пинов | всего {len(all_pins)} уникальных")
if len(all_pins) >= max_pins:
print(f" Достигнут лимит max_pins ({max_pins}). Останавливаемся.")
break
if new_this_round == 0:
no_new_count += 1
if no_new_count >= 3:
print(" После 3 подряд прокруток не появилось новых пинов. Контент закончился.")
break
else:
no_new_count = 0
prev_height = await page.evaluate("document.body.scrollHeight")
await page.evaluate("window.scrollTo(0, document.body.scrollHeight)")
await asyncio.sleep(scroll_pause + random.uniform(0.5, 1.5))
curr_height = await page.evaluate("document.body.scrollHeight")
if curr_height == prev_height and new_this_round == 0:
print(" Высота страницы не изменилась и новых пинов нет. Похоже, лента закончилась.")
break
return all_pins
Почему это работает:
- Дедупликация по href: URL каждого пина уникален, поэтому мы используем его как ID. Это не даёт считать один и тот же пин дважды, если DOM перерисовывается во время прокрутки.
- Правило трёх попыток: Если три подряд прокрутки не дали новых пинов, мы останавливаемся. Это помогает отличить ситуацию, когда страница ещё грузится, от ситуации, когда нового контента уже нет.
- Случайный jitter в паузе: Добавление случайной задержки 0,5–1,5 секунды между прокрутками делает поведение более «человечным» и снижает риск антибот-ограничений.
- Ограничение max scrolls: Защищает от бесконечных циклов, если что-то пошло не так.
Обработка крайних случаев
- Разделитель «More Ideas»: На страницах досок Pinterest иногда вставляет секцию «More Ideas». Если вам нужны только сохранённые пины доски, можно отслеживать этот элемент и прекращать прокрутку, когда он появится.
- Rate limiting при длинных сессиях: Если вы прокручиваете доску с тысячами пинов, Pinterest может начать замедлять ответы. Если прокрутки периодически не дают новых пинов (но не три раза подряд), увеличьте паузу между скроллами до 5+ секунд.
Как получить изображения Pinterest в полном разрешении, а не миниатюры
Это многих откровенно бесит. Вы собираете пины, скачиваете изображения — а там крошечные превью по 236 пикселей. На форумах это описывают как «мусорное качество, слишком маленький размер». Решение — понять структуру URL изображений Pinterest.
Структура URL изображений Pinterest
Все изображения Pinterest размещаются по адресу https://i.pinimg.com/{size}/{hash}.jpg. Сегмент {size} определяет разрешение:
| Путь размера | Размеры | Использование |
|---|---|---|
/236x/ | ширина 236 px | Стандартная сетка (то, что вы получаете по умолчанию) |
/474x/ | ширина 474 px | Среднее разрешение |
/736x/ | ширина 736 px | Детальная/расширенная карточка пина |
/originals/ | Оригинальные размеры загрузки | Полное разрешение |
Утилита: как повысить качество любого URL изображения Pinterest
Вот функция, которая переписывает URL изображения Pinterest в максимально доступное качество с логикой fallback:
import requests as req
def upgrade_image_url(url, preferred_size="originals"):
"""Переписывает URL изображения Pinterest на максимально доступное разрешение."""
sizes = ["originals", "736x", "474x", "236x"]
if preferred_size not in sizes:
preferred_size = "originals"
for size in sizes[sizes.index(preferred_size):]:
upgraded = url
for s in sizes:
upgraded = upgraded.replace(f"/{s}/", f"/{size}/")
try:
resp = req.head(upgraded, timeout=5, allow_redirects=True)
if resp.status_code == 200:
return upgraded
except Exception:
continue
return url # Возвращаем оригинал, если ничего не сработало
Важно (на 2025 год): путь /originals/ всё чаще возвращает ошибку HTTP 403 Forbidden. Известная проблема в gallery-dl подтверждает такое поведение по состоянию на середину 2025 года. Надёжный максимум сейчас — /736x/. Моя функция сначала пробует /originals/, а затем автоматически откатывается к /736x/.
Скачивание изображений в организованные папки
import os
import time
def download_images(pins, folder="images/default", delay=1.5):
os.makedirs(folder, exist_ok=True)
for i, pin in enumerate(pins):
img_url = upgrade_image_url(pin.get("image_url", ""), preferred_size="736x")
if not img_url:
continue
filename = f"pin_{i+1}.jpg"
filepath = os.path.join(folder, filename)
try:
resp = req.get(img_url, timeout=15)
if resp.status_code == 200:
with open(filepath, "wb") as f:
f.write(resp.content)
print(f" Скачан {filename} ({len(resp.content) // 1024} KB)")
else:
print(f" Не удалось скачать {filename}: HTTP {resp.status_code}")
except Exception as e:
print(f" Ошибка при скачивании {filename}: {e}")
time.sleep(delay + random.uniform(0.3, 0.8))
Обязательно добавляйте задержку между загрузками. Я использую 1,5–2,3 секунды со случайным разбросом. Без этого Pinterest довольно быстро начнёт блокировать IP после нескольких сотен запросов.
Экспорт собранных данных Pinterest
Экспорт в CSV или JSON
Базовый экспорт мы уже рассмотрели. Для больших наборов данных (10 000+ пинов) лучше использовать формат JSON Lines — по одному JSON-объекту в строке. Его проще потоково обрабатывать и парсить:
def save_jsonl(data, filepath="output/pins.jsonl"):
with open(filepath, "w", encoding="utf-8") as f:
for item in data:
f.write(json.dumps(item, ensure_ascii=False) + "\n")
Экспорт в Google Sheets, Airtable или Notion
Если вы хотите отправлять данные из Python напрямую в Google Sheets, вам понадобится библиотека gspread и service account Google Cloud. Для Airtable используйте pyairtable. Для Notion — notion-client. Каждое решение требует настройки API-ключей и добавляет в пайплайн ощутимую сложность.
Или — скажу честно, тут я немного предвзят, но это действительно самый быстрый путь — вы можете использовать Thunderbit для скрапинга Pinterest и экспорта в любую из этих систем буквально в один клик. Никаких API-ключей, никаких service account, никакого дополнительного кода. Расширение Thunderbit для Chrome умеет делать экспорт нативно.
Как не получить блокировку при скрапинге Pinterest
Антибот-система Pinterest оценивается ScrapeOps как 6/10 по сложности обхода — то есть это не пустяк, но и не самый сложный таргет. Она использует браузерный fingerprinting, поведенческий анализ и rate limiting по IP. Вот что реально помогает:
- Ротируйте user agent: используйте пул реальных Chrome user agent и выбирайте случайный на каждую сессию.
- Добавляйте случайные задержки: 2–5 секунд между прокрутками и запросами, со случайным разбросом. Без прокси лучше увеличить до 10–15 секунд.
- Используйте реалистичное окно браузера: задавайте
viewport={"width": 1920, "height": 1080}— не используйте крошечные или странные размеры. - Для масштабирования подумайте о прокси: если вы скрапите тысячи пинов, используйте residential proxies. Без них после нескольких сотен запросов возможны блокировки IP.
- Соблюдайте
robots.txt: у Pinterest он блокирует большинство автоматических краулеров и содержит около 180 правил disallow. Это важно для комплаенса. - Не скрапьте под логином: работайте только с публично видимым контентом без авторизации. Скрапинг за логином увеличивает и юридические, и технические риски.
Thunderbit автоматически обрабатывает антибот-защиту и CAPTCHA через свой AI-движок — это ещё одна вещь, о которой не нужно беспокоиться, если вы выбираете no-code.
Правовые и этические аспекты скрапинга Pinterest
Скажу коротко, потому что это не основная тема статьи, но это важно.
В Terms of Service Pinterest (раздел 2a) сказано, что вы соглашаетесь не «scrape, collect, search, copy or otherwise access data or content from Pinterest in unauthorized ways, such as by using automated means (without our express prior permission)». При этом суды в целом считают, что сбор публично доступных данных не нарушает Computer Fraud and Abuse Act — см. hiQ v. LinkedIn и Meta v. Bright Data (январь 2024), где суд постановил, что скрапинг публично видимых данных без входа в аккаунт является законным.
Несколько базовых правил:
- Скрапьте только публично видимый контент и только без входа в аккаунт
- Не используйте собранные данные для спама или выдачи себя за других пользователей
- Уважайте авторские права на изображения — по возможности извлекайте метаданные и не распространяйте защищённые изображения в коммерческих целях без разрешения
- Если планируете использовать данные в коммерции, проконсультируйтесь с юристом
Более подробно о правовой стороне смотрите наш гид по юридическим аспектам web scraping.
Итоги: что вы узнали и что делать дальше
Теперь вы знаете, почему статический скрапинг не работает в Pinterest (это React SPA — нет JavaScript, нет данных), как использовать Playwright для скрапинга выдачи, досок и профилей, как построить production-ready обработчик бесконечной прокрутки, который не сдаётся после 16 пинов, и как получать изображения в полном разрешении, а не крошечные миниатюры.
Кратко о главном:
requests+ BeautifulSoup не справятся с Pinterest. Не тратьте на это время.- Playwright — лучший Python-инструмент для этой задачи: быстрый, хорошо поддерживаемый и нативно работает с JavaScript.
- Бесконечная прокрутка требует цикла с дедупликацией, а не фиксированного числа скроллов.
- Изображения в полном разрешении требуют переписывания URL — ориентируйтесь на
/736x/(потому что/originals/часто возвращает 403). - Скрапинг досок и профилей в большинстве гайдов раскрыт слабо, но на самом деле довольно прямолинеен при правильных селекторах.
- Для тех, кто не пишет код, или для команд, которым важна скорость, Thunderbit позволяет скрапить Pinterest в 2 клика и экспортировать данные в Google Sheets, Excel, Airtable или Notion — Python не нужен. Попробуйте бесплатно через расширение Chrome.
Если вы строите Python-пайплайн, код из этого гайда даст вам прочную основу. Если вам просто нужны данные, Thunderbit — самый короткий путь. В любом случае, теперь вы больше не застрянете на 16 пинах и пустом взгляде в монитор.
Чтобы узнать больше о скрапинге и извлечении данных, посмотрите наши материалы о web scraping на Python, лучших автоматизированных инструментах для web scraping и скрапинге данных с сайта в Excel. Также вы можете изучить цены Thunderbit или посмотреть уроки на канале Thunderbit на YouTube.
FAQ
1. Можно ли скрапить Pinterest с помощью BeautifulSoup?
Сам по себе — неэффективно. Pinterest рендерит весь контент через JavaScript, поэтому requests + BeautifulSoup видят только пустую HTML-оболочку. Сначала нужен headless-браузер вроде Playwright или Selenium, чтобы отрендерить страницу, либо no-code инструмент вроде Thunderbit, который автоматически обрабатывает JavaScript.
2. Сколько пинов можно собрать из Pinterest за одну сессию?
Это зависит от логики прокрутки и обработки антибот-защиты. С production-ready обработчиком бесконечной прокрутки из этого гайда (дедупликация, таймаут, повторные попытки) можно надёжно собрать сотни и даже тысячи пинов с одной доски или одного поискового запроса. Для очень больших досок на это может уйти несколько минут прокрутки и сбора.
3. Почему скачанные изображения Pinterest получаются слишком маленькими?
По умолчанию Pinterest отдаёт миниатюры /236x/ в сетке. Чтобы получить более высокое разрешение, перепишите путь изображения на /736x/ или /originals/. Но учтите: /originals/ всё чаще возвращает ошибку 403 в 2025 году, поэтому надёжный максимум сейчас — /736x/.
4. Законно ли скрапить Pinterest?
Сбор публично доступных данных в целом допускается недавними судебными решениями (например, hiQ v. LinkedIn, Meta v. Bright Data), но Terms of Service Pinterest запрещают несанкционированный автоматизированный доступ. Работайте только с публичным контентом, не используйте данные для спама, уважайте авторские права и при коммерческом использовании консультируйтесь с юристом.
5. Какая no-code альтернатива лучше всего подходит для Pinterest?
Thunderbit AI Web Scraper может извлекать данные пинов Pinterest — заголовки, изображения, URL, описания — всего в 2 клика, с встроенным экспортом в Google Sheets, Excel, Airtable или Notion. Он автоматически обрабатывает рендеринг JavaScript, бесконечную прокрутку и антибот-защиту, так что писать и поддерживать код не нужно.
Узнать больше


