Zillow 汇聚了1.6 亿条美国房产记录，如何批量获取这些数据，一直是房地产数据工作里最常被提到、也最让人头疼的任务之一。如果你曾经尝试抓取 Zillow，最后却盯着验证码页面而不是房源数据，那你绝对不是一个人。
我花了很多时间研究和测试不同的 Zillow 抓取方案——既包括 Python 方案，也包括我们在 Thunderbit 做的无代码工具方案。这篇指南会把两条路线都讲清楚。无论你想要完整的 Python 实战教程和反爬策略，还是只想在午饭前把 200 条房源放进表格里，这里都有适合你的内容。我们会讲清楚 Zillow 数据为什么重要、网站底层结构是什么、Python 具体怎么写、爬虫为什么会失效，以及如何把定时抓取自动化，用于价格监控。
为什么要抓取 Zillow 数据？
Zillow 是美国住宅房地产数据最大的集中地。它每月带来2.1 亿次访问，平台上大约有 75 万条在售房源和 190 万条出租房源。它承载了美国房地产门户流量的一半以上，超过下一个竞争对手的两倍多。
在开始写 Python 代码之前，先要知道：抓 Zillow 并不只有 Python 一条路，选错方法会白白浪费好几个小时。像 httpx 和 BeautifulSoup 这类 Python 工具适合有一定基础的人，需要手动处理请求头和代理，速度中等（每页 1–3 秒），而且维护成本高，优点是免费；Selenium 或 Playwright 通过渲染 JavaScript，反爬处理更好，但速度更慢（每页 5–15 秒），维护也更麻烦；ScraperAPI 或 ScrapFly 这类抓取 API 速度更快，自带反反爬支持，维护成本中等，但价格通常在每月 30–599 美元；Zillow 官方通过 Bridge Interactive 提供的 API 速度快、维护低，但权限有限，费用大约每月 500 美元；而像 Thunderbit 这样的无代码工具对新手更友好，速度快，借助 AI 自适应几乎不需要维护，通常还提供免费增值模式。
单从节省时间来看，效果就非常明显。人工研究 50 多个邮编区域，一周可能要花 15–20 个小时；自动化抓取只需要几分钟，时间成本可减少 99.7%。
抓 Zillow 的所有方式：Python、API 和无代码对比
在直接上 Python 代码前，先记住："用 Python 抓 Zillow" 不是唯一选项。选错方法会浪费很多时间。下面给你一个横向对比，方便你自己选：
| 方法 | 技能要求 | 反爬处理 | 速度 | 维护成本 | 费用 |
|---|---|---|---|---|---|
| Python + httpx/BeautifulSoup | 中级 | 手动处理（请求头、代理） | 中等（1–3 秒/页） | 高（选择器容易失效） | 免费 |
| Python + Selenium/Playwright | 中级 | 更好（可渲染 JS） | 较慢（5–15 秒/页） | 高 | 免费 |
| 抓取 API（ScraperAPI、ScrapFly） | 中级 | 内置支持 | 快 | 中等 | 每月 30–599 美元 |
| Zillow 官方 API（Bridge Interactive） | 初级–中级 | 不适用 | 快 | 低 | 约每月 500 美元，访问受限 |
| 无代码工具（Thunderbit） | 初级 | 内置（AI 自适应） | 快 | 几乎为零（AI 会重新读取页面） | 免费增值模式 |
如果你现在就需要数据，不想写代码，可以直接从 Thunderbit 开始。如果你想搞清楚底层机制，或者需要高度自定义，那就继续看下面的 Python 教程。
2 分钟搞定：用 Thunderbit 抓 Zillow（无需代码）
在深入 Python 之前，先给只想快速拿到 Zillow 数据的人一条捷径——不用搭 Python 环境，不用配代理，不用维护选择器。我们在 Thunderbit 里专门做了这个流程，目标就是在不增加工程负担的前提下，直接拿到结构化房地产数据。
难度： 初级 所需时间： 约 2 分钟 你需要准备： Chrome 浏览器、Thunderbit Chrome 扩展（免费版即可）
第 1 步：安装 Thunderbit 并打开 Zillow
先从 Chrome 网上应用店安装 Thunderbit 扩展。然后打开 Zillow 的搜索结果页，比如在休斯顿，德州搜索房源。
第 2 步：点击“AI Suggest Fields”
打开 Thunderbit 侧边栏，点击“AI Suggest Fields”。AI 会自动读取页面并推荐字段：价格、地址、卧室数、浴室数、面积、Zestimate、房源链接等等。根据我的测试，它通常能自动识别 20 多个字段，几乎不用手动配置。
第 3 步：点击“Scrape”
点击 Scrape 按钮，数据就会以结构化表格的形式出现在扩展里。Thunderbit 会自动处理 Zillow 的分页，包括点击翻页和无限滚动。
第 4 步：用子页面抓取补全详情
如果你想要税务记录、学校评分、历史价格等详情页数据，可以使用“Scrape Subpages”来补全表格。Thunderbit 会逐个打开房源详情页并提取附加字段，不需要额外写代码。
第 5 步：导出
你可以直接导出到 Google Sheets、Excel、Airtable 或 Notion，而且导出是免费的。
为什么 Thunderbit 特别适合抓 Zillow
真正的优势在于稳定性。Thunderbit 的 AI 每次抓取时都会重新读取页面结构。即使 Zillow 频繁改版，也不用去修那些脆弱的 CSS 选择器，AI 会自动适应。这确实解决了很多代码爬虫“天生脆弱”的老问题。
你能从 Zillow 抓到什么数据？（20+ 字段）
很多教程只抓价格和地址就结束了，但 Zillow 房源实际上能提取的数据远不止这些。下面是一个参考表：
| 字段 | 位置 | 提取难度 |
|---|---|---|
| 标价 | 搜索页 + 详情页 | 简单 |
| 地址 / 邮编 | 搜索页 + 详情页 | 简单 |
| Zestimate | 搜索页 + 详情页 | 简单 |
| 价格历史（每一条记录） | 详情页 | 困难（嵌套 JSON） |
| 税务历史 | 详情页 | 困难（嵌套 JSON） |
| 卧室 / 浴室 / 面积 | 搜索页 + 详情页 | 简单 |
| 建造年份 | 详情页 | 简单 |
| HOA 费用 | 详情页 | 中等 |
| 步行分 / 交通分 | 详情页（iframe） | 困难（需要 JS 渲染） |
| 学校评分 | 详情页 | 中等 |
| 地块面积 | 详情页 | 简单 |
| 在 Zillow 上的天数 | 搜索页 | 简单 |
| 房源经纪人 / 代理公司 | 搜索页 + 详情页 | 中等 |
| MLS 编号 | 详情页 | 简单 |
| 房产类型 | 搜索页 + 详情页 | 简单 |
| 纬度 / 经度 | __NEXT_DATA__ JSON | 中等 |
| 描述文本 | 详情页 | 简单 |
| 图片链接 | 搜索页 + 详情页 | 中等 |
| Rent Zestimate | 详情页 | 中等 |
| 附近可比成交房源 | 详情页 | 困难 |
其中“困难”字段——比如价格历史、税务历史、可比成交房源——通常藏在详情页里的嵌套 JSON 中。下面的 Python 部分会演示如何精确提取这些内容。如果你不想写代码，Thunderbit 的 AI Suggest Fields 可以自动识别大多数字段，而它的 Subpage Scraping 也能自动抓取详情页内容。
配置 Python 环境来抓取 Zillow
难度： 中级 所需时间： 搭建约 5 分钟，完整教程约 30 分钟 你需要准备： Python 3.8+、Chrome 浏览器（用于检查页面）、文本编辑器或 IDE
先安装所需库：
pip install httpx beautifulsoup4 pandas lxml
它们分别负责什么：
- httpx —— HTTP 客户端，性能比
requests更好，还支持异步 - beautifulsoup4 + lxml —— 负责 HTML 解析
- pandas —— 用于导出 CSV/Excel
- 可选：如果你需要渲染 JavaScript 密集型页面，可以再装 selenium 或 playwright
在动手抓取前，先理解 Zillow 的页面结构
在写任何代码之前，这一步最关键。Zillow 是一个 Next.js 应用——这一点已由 Zillow 员工的工程帖子 证实。也就是说，你想要的大多数数据并不直接写在可见的 HTML 元素里，而是嵌在一个 <script id="__NEXT_DATA__"> 的 JSON 数据块中。
打开任意一个 Zillow 房源页面，按 F12，进入 Elements，搜索 __NEXT_DATA__。你会找到一个非常大的 JSON 对象，里面包含所有房源数据——价格、坐标、房屋详情、价格历史、税务记录、学校评分等等。
为什么这很重要？因为 Zillow 的 CSS 类名是哈希化的（由 styled-components 生成），而且每次部署都会变。比如一个 StyledPropertyCardHomeDetailsList-c11n-8-109-3__sc-1j0som5-0 这样的类名，下周就可能变成完全不同的哈希值。任何依赖 CSS 选择器的爬虫，都会频繁失效。
相比之下，读取 __NEXT_DATA__ 里的 JSON 要稳定得多，因为它根本不依赖 HTML 结构。
搜索结果页中最关键的 JSON 路径：
| 路径 | 内容 |
|---|---|
props.pageProps.searchPageState.cat1.searchResults.listResults | 搜索结果数组 |
props.pageProps.searchPageState.cat1.searchResults.mapResults | 地图视图结果 |
props.pageProps.searchPageState.cat1.searchList.totalPages | 可用总页数 |
对于详情页，有些页面使用 __NEXT_DATA__，有些则使用另一个名为 hdpApolloPreloadedData 的 script 标签。下面的代码会把这两种情况都处理掉。
分步教程：如何用 Python 抓取 Zillow
第 1 步：设置 HTTP 请求头，避免一上来就被拦截
如果你直接向 Zillow 发起一个裸 httpx.get() 请求，拿到的通常不是房源数据，而是验证码页面。Zillow 同时使用 PerimeterX（HUMAN Security） 和 Cloudflare——在抓取基准测试里，这两者的难度都被评为 8/10。系统会检查你的 TLS 指纹、HTTP 请求头以及 IP 声誉。
下面是截至 2025 年仍然有效的最小请求头配置：
import httpx
headers = {
"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 "
"(KHTML, like Gecko) Chrome/124.0.0.0 Safari/537.36",
"Accept": "text/html,application/xhtml+xml,application/xml;q=0.9,"
"image/avif,image/webp,*/*;q=0.8",
"Accept-Language": "en-US,en;q=0.9",
"Accept-Encoding": "gzip, deflate, br",
"Sec-Ch-Ua": '"Chromium";v="124", "Google Chrome";v="124", "Not-A.Brand";v="99"',
"Sec-Ch-Ua-Platform": '"Windows"',
"Sec-Fetch-Dest": "document",
"Sec-Fetch-Mode": "navigate",
"Sec-Fetch-Site": "none",
"Sec-Fetch-User": "?1",
"Upgrade-Insecure-Requests": "1",
}
Sec-Ch-Ua 这一组请求头非常关键。很多教程会漏掉它们——这也是为什么那些代码在 PerimeterX 面前根本跑不通。
第 2 步：抓取 Zillow 搜索结果页
Zillow 的搜索 URL 有比较固定的规律。比如休斯顿，德州：
- 第 1 页：
https://www.zillow.com/houston-tx/ - 第 2 页：
https://www.zillow.com/houston-tx/2_p/ - 第 3 页：
https://www.zillow.com/houston-tx/3_p/
每页大约有 41 条房源。Zillow 最多只开放 20 页结果（约 820 条房源）。如果你要更大的数据集，就需要按地理区域拆分（后面会讲）。
下面是通过提取 __NEXT_DATA__ JSON 来抓取搜索结果的代码：
from bs4 import BeautifulSoup
import json
import time
import random
def scrape_zillow_search(url):
"""从 Zillow 搜索结果页抓取房源数据。"""
response = httpx.get(url, headers=headers, timeout=15)
if response.status_code != 200:
print(f"Got status {response.status_code} for {url}")
return []
soup = BeautifulSoup(response.text, "lxml")
script_tag = soup.find("script", {"id": "__NEXT_DATA__"})
if not script_tag:
print("No __NEXT_DATA__ found — likely blocked by CAPTCHA")
return []
next_data = json.loads(script_tag.string)
try:
results = (
next_data["props"]["pageProps"]["searchPageState"]
["cat1"]["searchResults"]["listResults"]
)
except KeyError:
print("Unexpected JSON structure — Zillow may have changed its format")
return []
listings = []
for item in results:
listing = {
"zpid": item.get("zpid"),
"address": item.get("addressStreet"),
"city": item.get("addressCity"),
"state": item.get("addressState"),
"zipcode": item.get("addressZipcode"),
"price": item.get("unformattedPrice") or item.get("price"),
"beds": item.get("beds"),
"baths": item.get("baths"),
"sqft": item.get("area"),
"zestimate": item.get("zestimate"),
"days_on_zillow": item.get("daysOnZillow"),
"listing_url": item.get("detailUrl"),
"img_src": item.get("imgSrc"),
"property_type": item.get("hdpData", {}).get("homeInfo", {}).get("homeType"),
"latitude": item.get("latLong", {}).get("latitude"),
"longitude": item.get("latLong", {}).get("longitude"),
}
listings.append(listing)
return listings
要抓多页内容，可以配合延迟循环：
all_listings = []
base_url = "https://www.zillow.com/houston-tx/"
for page in range(1, 6): # 前 5 页
url = base_url if page == 1 else f"{base_url}{page}_p/"
print(f"Scraping page {page}...")
page_listings = scrape_zillow_search(url)
all_listings.extend(page_listings)
# 随机延迟 3–7 秒
delay = random.uniform(3, 7)
time.sleep(delay)
print(f"Total listings scraped: {len(all_listings)}")
如果一切正常，你会看到结构化的房源数据不断累积到 all_listings 里。要是结果为空，可以看下面的“为什么爬虫会失效”部分。
第 3 步：抓取 Zillow 房源详情页
搜索结果只能拿到基础信息。详情页才包含更深的数据：价格历史、税务历史、学校评分、中介信息和房源描述。第 2 步中拿到的每个房源链接，都会指向一个详情页。
Zillow 详情页可能使用两种数据格式。下面的代码能同时兼容这两种情况：
def scrape_zillow_detail(url):
"""从 Zillow 房源页面抓取详细数据。"""
response = httpx.get(url, headers=headers, timeout=15)
if response.status_code != 200:
return None
soup = BeautifulSoup(response.text, "lxml")
# 先尝试 __NEXT_DATA__（最常见）
script_tag = soup.find("script", {"id": "__NEXT_DATA__"})
if script_tag:
next_data = json.loads(script_tag.string)
try:
cache_str = next_data["props"]["pageProps"]["componentProps"]["gdpClientCache"]
cache = json.loads(cache_str)
first_key = next(iter(cache))
prop = cache[first_key]["property"]
return extract_property_fields(prop)
except (KeyError, StopIteration):
pass
# 备用方案：hdpApolloPreloadedData
apollo_tag = soup.find("script", {"id": "hdpApolloPreloadedData"})
if apollo_tag:
raw = json.loads(apollo_tag.string)
api_cache = json.loads(raw["apiCache"])
for key, value in api_cache.items():
if "ForSale" in key or "property" in str(value)[:100]:
prop = value.get("property", value)
return extract_property_fields(prop)
return None
def extract_property_fields(prop):
"""从 Zillow 房源 JSON 对象中提取结构化字段。"""
return {
"zpid": prop.get("zpid"),
"zestimate": prop.get("zestimate"),
"rent_zestimate": prop.get("rentZestimate"),
"description": prop.get("description"),
"year_built": prop.get("yearBuilt"),
"lot_size": prop.get("lotSize"),
"hoa_fee": prop.get("monthlyHoaFee"),
"mls_id": prop.get("mlsid"),
"broker_name": prop.get("brokerName") or prop.get("attributionInfo", {}).get("brokerName"),
"price_history": [
{
"date": event.get("date"),
"event": event.get("event"),
"price": event.get("price"),
}
for event in prop.get("priceHistory", [])
],
"tax_history": [
{
"year": record.get("time"),
"tax_paid": record.get("taxPaid"),
"value": record.get("value"),
}
for record in prop.get("taxHistory", [])
],
"schools": [
{
"name": school.get("name"),
"rating": school.get("rating"),
"distance": school.get("distance"),
}
for school in prop.get("schools", [])
],
}
然后按延迟循环处理每个房源链接：
detail_data = []
for listing in all_listings[:10]: # 先用 10 条测试
detail_url = listing.get("listing_url")
if not detail_url:
continue
if not detail_url.startswith("http"):
detail_url = f"https://www.zillow.com{detail_url}"
print(f"Scraping detail: {detail_url}")
detail = scrape_zillow_detail(detail_url)
if detail:
detail_data.append({**listing, **detail})
time.sleep(random.uniform(3, 8))
完成这一步后，你就会得到一个字典列表，里面同时包含每套房子的搜索页数据和详情页数据。
第 4 步：处理分页，抓取更多页面
如果某个区域的房源超过 820 条（20 页上限），你就需要按地理范围拆分。Zillow 的内部 API 支持 mapBounds 参数。做法是把地图分成多个象限分别抓取。
def split_bounds(bounds):
"""把地图边界切成 4 个象限。"""
mid_lat = (bounds["north"] + bounds["south"]) / 2
mid_lng = (bounds["east"] + bounds["west"]) / 2
return [
{"north": bounds["north"], "south": mid_lat, "east": bounds["east"], "west": mid_lng},
{"north": bounds["north"], "south": mid_lat, "east": mid_lng, "west": bounds["west"]},
{"north": mid_lat, "south": bounds["south"], "east": bounds["east"], "west": mid_lng},
{"north": mid_lat, "south": bounds["south"], "east": mid_lng, "west": bounds["west"]},
]
对于大多数使用场景——比如监控某个特定区域 50–200 套房源——标准 URL 分页就够用了。象限拆分主要适用于城市级或州级的大范围抓取。
第 5 步：导出你抓到的 Zillow 数据
用 pandas 保存为 CSV：
import pandas as pd
df = pd.DataFrame(detail_data)
df.to_csv("zillow_houston_listings.csv", index=False)
print(f"Exported {len(df)} listings to zillow_houston_listings.csv")
导出为 JSON：
with open("zillow_houston_listings.json", "w") as f:
json.dump(detail_data, f, indent=2)
如果你想直接跳过导出步骤，Thunderbit 可以免费导出到 Google Sheets、Airtable 和 Notion——如果你想马上在协作环境里使用数据，这会非常方便。
为什么 Zillow 爬虫会失效，以及如何做得更稳
这部分相当于生存指南。
根据我的经验，Zillow 爬虫通常会因为三个具体原因失效，而每一个都有对应的解决办法。
PerimeterX 和验证码：为什么你的请求会拿到空数据
Zillow 的 PerimeterX 集成会同时检查多个信号：TLS 指纹、HTTP 请求头、IP 声誉和请求模式。一旦它判断是自动化访问，就会返回“Press & Hold”验证码页面，而不是房源数据。
典型失败场景： 你用默认的 Python 请求头发起请求，响应 HTML 里只有 PerimeterX 的挑战脚本，没有房产数据——于是 BeautifulSoup 根本找不到 __NEXT_DATA__ 标签。
解决办法： 使用第 1 步里的完整浏览器伪装请求头。如果你要发起几十个以上的请求，还需要配合代理轮换（下面会讲）。如果是高强度抓取，可以考虑使用 curl_cffi 并设置 impersonate="chrome"——它是目前少数可以匹配真实 Chrome TLS 指纹的 Python HTTP 客户端。
动态 CSS 选择器：为什么 BeautifulSoup 会返回 None
如果你在用类似 .list-card-price 这样的 CSS 选择器，或者带哈希的 class 名，你的爬虫每次 Zillow 部署新版本后都会坏掉。
Zillow 使用 styled-components 生成类名，比如 StyledPropertyCardHomeDetailsList-c11n-8-109-3__sc-1j0som5-0。其中的哈希部分每次构建都会变。
解决办法： 完全不要依赖 CSS 选择器。像上面的代码那样，直接从 __NEXT_DATA__ JSON 数据块里提取信息。这种方式之所以稳定，是因为 JSON 结构的变化频率远低于 HTML 标记。
如果你非得解析 HTML，那就优先找 data-test 属性（比如 data-test="property-card"），或者使用包含字符串匹配的类选择器，比如 [class*="PropertyCard"]。但总体来说，JSON 提取更可靠。
代理轮换和指数退避：能扛住 IP 封禁的代码
Zillow 会立即封禁数据中心 IP。最稳妥的做法 是使用住宅代理。安全请求频率大致是每个 IP 3–8 秒一次，每小时不超过 500 次请求。
下面是一个带抖动的指数退避重试装饰器：
import random
import time
def backoff_with_jitter(attempt, base_delay=2, max_delay=60):
"""AWS 风格的全抖动指数退避。"""
delay = min(max_delay, base_delay * (2 ** attempt))
return random.uniform(0, delay)
def fetch_with_retry(url, max_retries=5):
for attempt in range(max_retries):
try:
response = httpx.get(url, headers=headers, timeout=15)
if response.status_code == 200:
return response
if response.status_code in (403, 429):
delay = backoff_with_jitter(attempt, base_delay=5)
print(f"Blocked ({response.status_code}). Retrying in {delay:.1f}s...")
time.sleep(delay)
continue
except Exception as e:
if attempt == max_retries - 1:
raise
time.sleep(backoff_with_jitter(attempt))
return None
再来一个简单的代理池轮换示例：
class ProxyPool:
def __init__(self, proxies):
self.proxies = proxies
self.index = 0
self.failures = {}
def get_next(self):
proxy = self.proxies[self.index % len(self.proxies)]
self.index += 1
return {"http://": proxy, "https://": proxy}
def report_failure(self, proxy):
self.failures[proxy] = self.failures.get(proxy, 0) + 1
if self.failures[proxy] > 3:
self.proxies.remove(proxy)
# 使用示例：
pool = ProxyPool(proxies=[
"http://user:pass@residential1.example.com:8080",
"http://user:pass@residential2.example.com:8080",
])
如果你在找代理服务商，DataImpulse 的住宅代理大约 1 美元/GB，是比较便宜的选择；IPRoyal 和 Smartproxy 也是不错的中端方案，大约 4–7 美元/GB。
零维护替代方案
如果你经常抓 Zillow，又不想反复修选择器、折腾代理池，那么 Thunderbit 的 AI 每次都会重新读取页面结构。没有需要维护的选择器，也不用配置代理。它确实能解决代码爬虫那种让人持续头疼的脆弱问题。
自动化 Zillow 抓取：定时任务和价格监控
我接触过的每个房地产投资者都想要这个功能，但几乎没有哪篇 Zillow 抓取教程真正讲过：如何定期自动抓取并监控价格变化。
给 Python 用户：Cron 定时任务和价格变化检测
你可以设置一个每周运行一次的 cron 任务，用来抓取数据并标记价格变化：
import pandas as pd
from datetime import datetime
def detect_price_changes(new_data, historical_file, threshold=0.05):
"""将新抓取的数据与历史数据比较，标记涨跌幅超过阈值的项目。"""
try:
old = pd.read_csv(historical_file)
except FileNotFoundError:
new_data.to_csv(historical_file, index=False)
print("First run — saved baseline data.")
return pd.DataFrame()
merged = new_data.merge(old, on="zpid", suffixes=("_new", "_old"))
merged["price_change_pct"] = (
(merged["price_new"] - merged["price_old"]) / merged["price_old"]
)
alerts = merged[merged["price_change_pct"].abs() > threshold]
# 追加带时间戳的新数据
new_data["scraped_at"] = datetime.now().isoformat()
new_data.to_csv(historical_file, mode="a", header=False, index=False)
return alerts
把它加到 crontab 里，设置为每周一早上 6 点执行：
0 6 * * 1 cd /path/to/scraper && python zillow_monitor.py
一个实际场景：每周监控 50 条奥斯汀，德州的房源。每周一，脚本抓取当前价格，与上周数据对比，并输出一个 CSV，标出所有跌幅超过 5% 的房源。
给非程序员：Thunderbit Scheduled Scraper
Thunderbit 的 Scheduled Scraper 允许你用自然语言描述执行频率（比如“每周一上午 9 点”），输入 Zillow 搜索 URL，然后点击 Schedule 即可。每次运行后，数据会自动导出到 Google Sheets。无需 Python、无需 cron、也不用自己维护服务器。对于房地产经纪人或运营团队来说，这种方式尤其适合需要稳定价格监控、但又没有工程支持的场景。
负责任地抓取 Zillow 的一些建议
最后提醒几点，帮助你尽量站在合规的一边：
- 只抓取公开可访问的数据。 不要访问登录后才能看到的页面或需要身份验证的内容。
- 控制请求频率。 每次请求间隔 3–8 秒，不要狂轰滥炸服务器。
- 不要抓取个人或私密用户数据。 房源里的经纪人姓名和中介信息属于公开信息；用户账户数据不属于。
- 以合乎道德的方式存储和使用数据。 市场研究、投资分析和线索生成都是合理用途；垃圾邮件不是。
- 法律背景： hiQ v. LinkedIn 判决 确立了抓取公开可访问数据不违反 CFAA。Meta v. Bright Data（2024）也延续了类似原则。不过，Zillow 的服务条款仍限制自动化访问，而且他们主要通过 IP 封禁和验证码来执行，而不是直接诉讼。请始终关注最新规定，并尊重 robots.txt。
选择适合你的 Zillow 抓取方式
最适合你的方案，取决于你当前的情况：
想快速拿数据，不写代码？ Thunderbit 可以让你在大约 2 分钟内，从 Zillow 搜索页直接变成结构化表格。AI 会自动适配页面变化，处理分页，并且支持免费导出。安装 Chrome 扩展 后，直接在 Zillow 搜索页试试看。
想要完全控制？ 使用本指南里的 Python 代码。为了稳定，优先从 __NEXT_DATA__ JSON 提取，而不是 CSS 选择器。配好浏览器级请求头，轮换住宅代理，并使用指数退避提升可靠性。
要扩大规模？ 像 ScrapFly 这类抓取 API（在 Zillow 上成功率可达 99%）或 ScraperAPI，会帮你处理代理和验证码基础设施，费用大约每月 30–599 美元，取决于用量。
要长期跟踪价格？ 可以设置 cron 任务配合价格变化检测脚本；或者直接用 Thunderbit 的 Scheduled Scraper，走零维护路线。
数据本身就在那儿，唯一的问题是：你愿意花多少工程时间把它拿出来。想了解更多如何把网页数据放进表格，可以看看我们的 将网站数据抓取到 Excel 的指南 或 Zillow 数据统计汇总 获取最新平台数据。你也可以在 Thunderbit YouTube 频道 观看教程。
试试 Thunderbit 抓取 Zillow 数据 Get Started Free
常见问题
可以免费用 Python 抓 Zillow 吗？
可以——httpx、BeautifulSoup 和 pandas 都是免费且开源的。代价是时间：你需要自己处理请求头、代理轮换和选择器维护。初始搭建预计要花 4–8 小时，而 Zillow 一旦改版，每月还要再花 4–10 小时维护。如果你想完全避免这些编码成本，Thunderbit 也提供免费版。
Zillow 有官方 API 吗？
Zillow 在 2021 年 9 月停用了免费的公开 API。现在的访问要通过 Bridge Interactive，通常需要审批，费用大约每月 500 美元，主要面向持牌房地产从业者。对大多数用户——投资者、研究人员、做市场分析的经纪人——来说，抓取仍然是更实用的替代方案。Zillow 也确实会提供一些可免费下载的研究数据 CSV，地址是 zillow.com/research/data/，包括 Zillow Home Value Index 和 Zillow Observed Rent Index。
抓 Zillow 时怎么避免被封？
有三点：1）使用真实浏览器请求头，包括 Sec-Ch-Ua——这是很多教程会漏掉、但 PerimeterX 最先检查的头；2）轮换住宅代理——数据中心 IP 会被立刻拉黑；3）从 __NEXT_DATA__ 的 JSON 中提取数据，而不是用 HTML 选择器，避免页面改版导致失效。每个 IP 的请求频率控制在 3–8 秒一次。或者直接用 Thunderbit 这类会自动处理反爬的工具。
不写代码抓 Zillow，最好的方法是什么？
Thunderbit 的 AI Web Scraper 是最快的路径。安装 Chrome 扩展，进入 Zillow 搜索页，点击 “AI Suggest Fields” 自动识别列，再点 “Scrape” 即可。你可以直接导出到 Google Sheets、Excel、Airtable 或 Notion，全程不需要写代码。AI 每次都会重新读取页面，所以 Zillow 改版也不容易坏。
Zillow 多久会改一次网站结构，这对爬虫有什么影响？
Zillow 会频繁发布更新，有时甚至每周都会改。由于它使用 styled-components，CSS 类名会随着每次部署而变化，基于 CSS 选择器的爬虫也就经常失效。对 Python 来说，最稳妥的办法是从 __NEXT_DATA__ 的 JSON 数据块里提取，因为它的结构变化频率低得多。如果你想完全免维护，Thunderbit 的 AI 会在每次抓取时重新读取页面结构，并自动适应布局变化。
了解更多
