Trustpilot 目前累積了 3.61 億則活躍評論，涵蓋 127 萬家企業——但大多數原本用來擷取這些資料的爬蟲，幾個月前就已經失效了。如果你最近嘗試抓取評論，很可能已經碰上那個臭名昭著的第 10 頁登入牆，最後只看到工具回傳錯誤，什麼資料都拿不到。
過去幾週，我花了大量時間測試、研究並比較在 2026 年仍能穩定擷取 Trustpilot 評論資料的工具。這個領域已經明顯變了：Trustpilot 的反機器人防護更嚴格了，Next.js 前端每次部署都會重新產生會變動的 class 名稱，而最關鍵的是——未登入存取現在只要到第 10 頁評論就會被擋下來。2025 年底的一則 Reddit 討論串 精準寫出了大家的挫折感：「商店裡沒有一個 actor 能用。」
那麼，到底哪些工具真的能用？我從它們如何應對登入牆、反機器人機制、維護成本，以及行銷人員與開發者的實際需求等面向，評估了五款工具。
為什麼在 2026 年抓取 Trustpilot 評論，比想像中更難
Trustpilot 不是那種可以用基本 HTTP 請求抓一抓，再用 BeautifulSoup 解析的靜態網站。它是建構在 Next.js 上、動態渲染的現代化平台，而且過去一年防護機制明顯更嚴密了。
你實際上要面對的是：
第 10 頁登入牆。 這是最大的痛點。Web Scraper 自己在 2026 年 3 月的 Trustpilot 指南 也確認了這一點：Trustpilot 只允許前 10 頁評論，之後就會跳出登入提示。若一家企業有 2,000 則評論（以每頁 20 則計算，大約 100 頁），沒有登入狀態的話，你會直接失去 90% 的資料。
反機器人防護。 Trustpilot 會使用 reCAPTCHA、基於 session 的封鎖、CDN 層級請求過濾，以及瀏覽器指紋辨識。其 About 頁面 也明確寫明網站「受 reCAPTCHA 保護」，並會收集裝置與互動訊號。
動態 CSS class 名稱。 由於 Trustpilot 使用 Next.js 與 CSS modules，像 styles_reviewCardInner__EwDq2 這類 class 名稱會在建置時產生，而且每次 Trustpilot 部署更新都可能改變。ScraperAPI 的教學 就是依賴這些精確 selector——這代表任何照著該教學寫出的程式，只要 Trustpilot 前端一改版，下一秒就可能失效。
DOM 結構變動。 不只是 class 名稱而已，實際的 HTML 階層也可能調整。元素包裝方式會變、會多出新的外層容器，分頁元件的結構也可能重新排列。
凡是依賴 CSS selector 的爬蟲——不論是 Apify Actors、Octoparse 工作流程，還是自寫 Python 腳本——在 Trustpilot 上都很脆弱。能用的時候很好，但「能用到什麼時候」通常不是以月計算，而是以週計算。
我們挑選最佳 Trustpilot 評論爬蟲時，看重什麼
我評估這些工具，並不是用一般那種「能不能抓網頁」的標準。這份清單裡的每一款工具都能從簡單 HTML 頁面抓資料。
真正的問題是：它能不能在 2026 年，特別是針對 Trustpilot 的各種特殊情況，穩定運作？
以下是我最在意的指標：
| 評估標準 | 對 Trustpilot 的重要性 |
|---|---|
| 登入牆處理（第 10 頁以上） | 大多數企業的評論遠超過 200 則。若只能抓 10 頁，就會漏掉大部分歷史資料。 |
| 反機器人繞過方式 | reCAPTCHA、session 封鎖與 CDN 過濾，會直接攔下天真的爬蟲。 |
| selector 抗變動能力 / 維護成本 | 自動生成的 CSS class 會讓依賴 selector 的工具頻繁失效。工具會不會自我修復？ |
| 分頁支援 | 評論可能橫跨數百頁。手動一頁一頁抓取根本不可行。 |
| 無程式碼 vs. 需寫程式 | 行銷人員需要點選式操作；開發者則想要完整控制。 |
| 價格 / 免費方案 | 預算有限的團隊需要先看清楚成本。 |
| 匯出選項 | 商業使用者需要 Google Sheets、Airtable、Notion，而不只是原始 JSON。 |
登入牆才是成敗關鍵。
如果一款工具無法突破第 10 頁，或者至少無法清楚支援登入後存取，那它在 2026 年就稱不上是可用的 Trustpilot 爬蟲。
一覽最佳 Trustpilot 評論爬蟲
完整比較如下：
| 工具 | 技能門檻 | 登入牆處理 | 反機器人方式 | 分頁支援 | 免費方案 | 匯出選項 |
|---|---|---|---|---|---|---|
| Thunderbit | 無程式碼 | 瀏覽器模式（使用你已登入的 Chrome session） | AI 語意擷取可適應版面變動 | 自動偵測、多頁處理 | 每月 6 頁免費 | Excel、Sheets、Airtable、Notion、CSV、JSON |
| Apify | 低程式碼 | 視 Actor 而定；部分需設定 cookie 才能抓第 10 頁以上 | 內建代理輪替，依 Actor 不同而定 | 可依 Actor 設定 | 每月 $5 平台額度 | JSON、CSV、Excel、XML、RSS |
| Octoparse | 無程式碼（視覺化） | 需手動設定 cookie / session | IP 輪替、住宅代理、CAPTCHA 解題（付費） | 點選 / 捲動式工作流程 | 免費方案 + 14 天進階試用 | CSV、Excel、JSON、HTML、XML、資料庫 |
| Web Scraper | 無程式碼（sitemap） | 有限制——官方指南已記錄只到 10 頁評論 | 付費方案提供雲端 + 代理 | 可設定；建議用 JS 點擊 | 免費 Chrome 擴充功能 | CSV、XLSX |
| ScraperAPI | 開發者（Python） | 需在程式層級管理 session / cookie | 4,000 萬+ 住宅代理、JS 渲染、CAPTCHA 處理 | 以程式碼實作 | 7 天試用、5,000 API 額度 | 由開發者自訂（CSV、JSON 等） |
1. Thunderbit
Thunderbit 是一款 AI 驅動的 Chrome 擴充功能，專為需要從網站取得結構化資料、但不想寫程式的商務團隊而設計。針對 Trustpilot，它提供了一個 專用評論爬蟲範本，可一鍵擷取評論者姓名、評分、評論標題、評論內容、日期與商家回覆。
我可能有點偏心——畢竟我在這裡工作——但我們之所以這樣打造 Thunderbit，原因正是 Trustpilot 抓取的難點所在。我們的 AI 會以語意方式理解頁面，而不是依賴 CSS selector。當 Trustpilot 改變 class 名稱或重構 DOM 時，Thunderbit 仍能適應，因為它關注的是頁面元素的意義，而不是特定 HTML 位址。
試用 Thunderbit 進行 Trustpilot 爬取
Thunderbit 如何處理第 10 頁登入牆
這就是瀏覽器模式的價值。Thunderbit 是在你的 Chrome 瀏覽器裡運作——也就是你已經登入 Trustpilot 的那個瀏覽器。當你切換到瀏覽器爬取模式時，擴充功能會直接讀取你登入後可見的頁面。不需要代理繞路，也不需要注入 cookie，更不用 Playwright session pool。
實際流程很簡單：先在 Chrome 登入 Trustpilot，前往你要抓取的評論頁，打開擴充功能。一鍵之後，AI 就會自動辨識頁面中的評論欄位並開始擷取。想要不同格式的資料？直接描述需求，AI 就會照著你的要求整理。之後分頁會自動進行——Thunderbit 會持續處理你的瀏覽器 session 能存取到的每一頁。
為什麼 Trustpilot 改版時，Thunderbit 不容易壞
我們的 Trustpilot 範本頁面 直接對比了這件事：傳統爬蟲在版面變動、CSS selector 需要更新時就會失效。Thunderbit 使用的是能理解內容的語意 AI，不依賴特定 CSS，能處理動態內容，也支援自動分頁。
相較之下，ScraperAPI 教學裡的程式碼是靠像 styles_reviewCardInner__EwDq2 這種 class 名稱來解析。Trustpilot 下一次部署時，這個 selector 就會壽命倒數。Thunderbit 的 AI 問的是：「這頁上的評論內容在哪裡？」而不是：「這個特定 div class 裡面有什麼？」
Trustpilot 爬取的關鍵功能
- AI 自動辨識欄位：擴充功能會自動找出評論欄位（姓名、評分、日期、標題、內文、商家回覆），不需要手動設定；如果你有特定需求，也可以直接說明
- 一鍵工作流程：按一下 → 完成表格。就這麼簡單。
- 適用登入頁面的瀏覽器模式：可在你已登入的 Chrome session 中運作，存取第 10 頁以上內容
- 自動分頁：可處理多頁評論，不需人工介入
- 子頁抓取：可進一步造訪單一評論者檔案頁，補充更多資料
- 排程爬取：可設定每週或每月自動監測評論，追蹤口碑變化
- 匯出：Google Sheets、Airtable、Notion、CSV、JSON，全都免費包含
價格
- 免費方案：每月 6 頁，無需信用卡
- 點數制：1 點 = 1 筆輸出資料列
- 付費方案：每月 $15，或年繳約 $9/月（價格頁）
適合對象：需要 Trustpilot 評論、但不想碰程式碼的行銷團隊、營運團隊與商務使用者——以及不想每隔幾週就維護一次爬蟲的人。
2. Apify
Apify 是一個雲端爬蟲平台，提供大量預先建好的「Actors」——也就是其他使用者與 Apify 團隊做好的爬取範本。針對 Trustpilot，商店裡有多個社群維護的 Actors，但穩定度不一。
Apify 的取捨很明顯：功能強，但很分散。有些 Actor 可用，有些已停更，有些抓第 10 頁以上需要 cookie。Reddit 上「商店裡沒有一個 actor 能用」的抱怨也確實存在——這正反映出 Trustpilot 變動速度有多快，足以讓特定 Actor 的邏輯失效。
Trustpilot Actors 與已知限制
Apify Store 裡有好幾個 Trustpilot Actor。至少有一個（開發者「burbn」）明確說明，抓取第 10 頁以後需要輸入 cookie。其他有些則是 0.0 評分、使用者數很少，或剛更新不久——這些都表示維護仍在進行，但可靠度差異很大。
那些已經停用的 Actor 也值得一提。有一個舊 Actor 會直接讀取 Trustpilot 嵌入的 __NEXT_DATA__ JSON，這方法很聰明，也比 DOM 解析更快，但 Trustpilot 一旦改變資料結構，還是會壞掉。
登入牆與反機器人處理
- 登入牆：完全取決於你選哪個 Actor。有些支援 cookie 注入，能抓第 10 頁以上；有些不行。
- 反機器人：Apify 平台內建代理輪替與以 compute unit 計算的基礎設施。住宅代理在 Free/Starter 方案 中的價格為 $8/GB。
- 維護：一旦 Actor 壞掉，你只能等維護者修復、換另一個 Actor，或是委託開發私人 Actor。
價格
- 免費方案：預付 $5/月使用額度，無需信用卡
- Starter：$9/月 + 按用量計費
- Scale：$99/月 + 按用量計費
- 匯出：JSON、CSV、Excel、XML、RSS（依 Actor 而定）
適合對象：技術能力中等以上、可以評估多個 Actor、設定 cookies，並在出問題時自行排查的人。不適合想要「設好就放著」的團隊。
3. Octoparse
Octoparse 是一款桌面型無程式碼爬蟲工具，採用視覺化點選流程建立器。它介於 Thunderbit 的一鍵簡單與 ScraperAPI 的完整開發者控制之間——你能用視覺化方式設定，不用寫程式，但仍需要自行建立並維護工作流程。
在 Octoparse 中設定 Trustpilot 抓取
流程不複雜，但偏手動：
- 貼上 Trustpilot 的商家評論網址
- 視覺化選取評論元素（標題、內文、評分、日期、評論者姓名）
- 用下一頁按鈕設定分頁迴圈
- 配置等待時間（建議 2–5 秒，以避免 reCAPTCHA）
- 小型任務可本機執行，大型任務則可用雲端執行
熟悉工具的人，大約 10–15 分鐘就能設定完成。問題在於：Octoparse 依賴的是與 DOM 元素綁定的視覺化 selector，所以只要 Trustpilot 的頁面結構改了，你就得更新工作流程。
登入牆與反機器人處理
- 登入牆：需要手動登入 / cookie / session 設定，無法自動處理。
- 反機器人： 付費方案 包含 IP 輪替、住宅代理（$3/GB）與自動 CAPTCHA 解題（每千次 $1–1.5）。
- 維護：中等。每當 Trustpilot 更新前端，你可能都要重建或調整工作流程。
價格
- 免費方案：永久免費，10 個任務、1 台裝置、可本機擷取，最多 50,000 行/月
- Standard：$69/月（年繳）
- Professional：$149/月
- 14 天進階試用：包含雲端擷取、排程、API 與範本
- 匯出：Excel、CSV、JSON、HTML、XML；更高階方案支援資料庫與 Google Sheets
適合對象：想要視覺化流程控制、不介意初期設定時間，且能接受頁面變動時要維護工作流程的使用者。對需要比一鍵工具更多客製化、但又不想寫 Python 的團隊來說很合適。
4. Web Scraper
Web Scraper 是一款 Chrome 擴充功能加雲端平台的爬取工具，採用 sitemap 式架構。它在 Trustpilot 上最強的方案，是一個 預先建好的企業頁面範本，可擷取公司層級資料：公司名稱、類別、地址、評分、評論數、TrustScore 與網站網址。
若是專門抓評論，Web Scraper 有一個值得特別注意的已知限制。
預建範本 vs. 自訂設定
Marketplace 裡的範本很適合做企業探索——用來抓 Trustpilot 各分類下的公司檔案頁。若要自訂評論擷取，Sitemap Wizard 可以讓你在 Chrome 擴充功能中用視覺方式建立爬蟲。
Web Scraper 自己在 2026 年 3 月的指南 建議使用 JavaScript 點擊分頁，而不是用 URL 分頁，因為 Trustpilot 可能在不同頁面之間動態重排內容，導致抓到的結果錯位。
登入牆與反機器人處理
這裡就要坦白說：Web Scraper 的官方指南明確指出，Trustpilot 只會開放前 10 頁評論，之後就會出現登入提示。指南把這當作已知限制記錄下來，沒有提供繞過方法。
- 登入牆：處理能力有限。官方指南已記錄 10 頁評論上限。
- 反機器人：雲端方案支援代理；指南建議延遲 2–5 秒並降低並行數。
- 分頁：可設定，但實際上未登入存取最多只能抓前 10 頁評論。
價格
- 免費 Chrome 擴充功能：本機抓取，功能有限
- Project：$50/月（5,000 URL credits）
- Professional：$100/月（20,000 URL credits）
- Scale：$200/月起（附條件的無限 URL credits）
- 付費雲端方案提供 7 天免費試用
- 匯出：CSV、XLSX
適合對象：想直接套用現成範本抓 Trustpilot 公司檔案，或只需要前 10 頁評論的人。如果你需要高評論量企業的完整歷史評論，這不是最合適的選擇。
5. ScraperAPI
ScraperAPI 是給開發者用的爬蟲基礎設施——不是點選式工具，而是提供代理與渲染層，幫你處理反機器人問題，而你負責撰寫解析邏輯。它的 Trustpilot 解決方案頁 主打 JS 渲染、CAPTCHA 處理與 4,000 萬+ 代理。
如果你是想完全掌控擷取邏輯的 Python 開發者，ScraperAPI 就能提供你需要的底層能力。
但維護責任也完全在你身上。
用 ScraperAPI 建立自訂 Trustpilot 爬蟲
ScraperAPI 2026 年 1 月的教學 示範了一個 Python + BeautifulSoup 的流程：
import requests
from bs4 import BeautifulSoup
payload = {
"api_key": "YOUR_API_KEY",
"url": "https://www.trustpilot.com/review/example.com",
"render": "true",
"keep_headers": "true",
}
html = requests.get("https://api.scraperapi.com", params=payload).text
soup = BeautifulSoup(html, "html.parser")
教學中完成的程式碼把 pages_to_scrape = 10 設了上限，等於間接承認了公開頁面的限制。若要抓第 10 頁以上，開發者必須自己處理登入 session、cookie 與 token。
登入牆與反機器人處理
- 登入牆：必須由程式層級自行管理 session / cookie。ScraperAPI 負責代理與渲染；驗證邏輯則由你處理。
- 反機器人：提供住宅代理池、自動 IP 輪替、透過
render=true進行 JS 渲染，並藉由智慧代理輪替處理 CAPTCHA。所有 方案 都可使用。 - 維護：Trustpilot 一旦更改 class 名稱（而且它確實常常改），你就必須更新解析程式。教學裡的
styles_reviewCardInner__EwDq2selector，本身就是一顆倒數中的計時炸彈。
價格
- 7 天試用： 5,000 免費 API 額度，無需信用卡
- Hobby：$49/月（100,000 API 額度）
- Startup：$149/月（1,000,000 額度）
- Business：$299/月（3,000,000 額度）
- 匯出：由你的程式輸出決定（通常是 CSV、JSON、寫入資料庫）
適合對象：想要高度客製化、能自行維護解析腳本，並需要對 session 管理、分頁邏輯與資料結構進行程式化控制的開發者。不適合非技術使用者。
為什麼 Trustpilot 爬蟲總是不斷失效，以及如何挑選不容易壞的工具
這是選擇 Trustpilot 爬蟲時最容易被忽略的一點。問題不是「這工具今天能不能用？」而是「三週後它還能不能用？」
Trustpilot 上的爬蟲常因四個原因失效：
-
自動產生的 CSS class 改變。 Next.js CSS modules 會產生像
styles_reviewCardInner__EwDq2這類 class 名稱。每次前端部署都可能變動，任何依賴這些 class 的爬蟲都會壞掉。 -
DOM 結構變動。 Trustpilot 可能重整 HTML 階層——例如重新包裝評論卡片、改變外層容器，或把中繼資料移到其他位置。
-
反機器人觸發條件變動。 reCAPTCHA 閾值會變，session token 輪替更嚴格，CDN 過濾規則也會更新。
-
驗證 / session 變動。 第 10 頁登入牆是在 2025 年底才引入（或至少變得更嚴格）。未來也可能隨時出現新的存取限制。
最根本的架構差異，在於依賴 selector與語意擷取：
-
Selector 型工具（Apify Actors、Octoparse 工作流程、ScraperAPI 腳本、Web Scraper sitemaps）問的是：「請找到這個精確 CSS 路徑上的元素。」一旦路徑變了，它們就會失敗，甚至靜默回傳空資料。
-
語意 / AI 型工具（Thunderbit）問的是：「這頁上的評論內容、評分與日期在哪裡？」AI 是以內容意義來理解頁面，而不是靠地址。版面改變不會讓它壞掉，因為資料的意義沒變。
我的建議：
- 完全不想維護？ → AI 型（Thunderbit）
- 可以接受一些維護，又想要雲端自動化？ → Apify（搭配 Actor 選擇與監控）
- 想要視覺化控制，且可接受中等維護？ → Octoparse
- 只需要範本式、範圍有限的功能？ → Web Scraper
- 要完全掌控，所有事情都自己處理？ → ScraperAPI
抓到 Trustpilot 評論之後，可以怎麼用
抓取評論只是第一步。我在論壇最常看到的問題是：「資料有了，然後呢？」
情緒分析
最簡單的流程是：先把評論匯出到 Google Sheets，再用 AI 工具（ChatGPT、Claude，或 Sheets 的 AI 函數）將每則評論分類為正面、中立或負面。你還可以加上欄位來標記抱怨類別、緊急程度與建議處理優先順序。
如果資料量更大，可以把 CSV 上傳到 ChatGPT，請它幫你整理摘要：「請依情緒將這些評論分類，並找出前 5 大抱怨主題與代表性引言。」
競品監測
利用 Thunderbit 的排程爬取功能，每週或每月抓一次競爭對手評論。追蹤：
- 平均評分的時間趨勢
- 1 星與 2 星評論佔比
- 評論量變化（是變多還是變少？）
- 最常見的抱怨主題
- 商家回覆率與回覆速度
只要在 Google Sheets 做一個依評分與日期彙總的樞紐分析表，就能得到會自動更新的競爭情報看板。
主題萃取
把評論依常見主題分類：運送 / 配送、客服、退款、產品品質、帳單、App 易用性、價格 / 價值，以及詐騙疑慮。輸出結果最好是一張表，欄位包含：主題、數量、平均評分、代表性引言、建議的商業行動。
這比文字雲更有用，因為它能直接指出真正影響滿意度或不滿意度的因素。
大量多企業分析
如果你要做類別級研究，可以跨同一個 Trustpilot 類別抓多家企業的評論。比較各家公司在評論量、評分、星等分布與主題出現頻率上的差異。Web Scraper 的企業列表範本很適合用來找公司；而 Thunderbit 或 ScraperAPI 則可以負責每一家公司的評論層級抽樣。
抓取 Trustpilot 的法律與倫理考量
我不是律師，以下也不是法律意見。但合規現實確實很重要。
Trustpilot 的使用條款相當明確。它們 禁止 使用者以「Trustpilot 未提供或未明確批准的方式」存取或收集內容，並特別指出未經明確許可的文字探勘、資料探勘與網頁爬取行為。
風險層級大致如下：
- 較低風險：匯出自家公司的評論做內部分析，尤其是使用 Trustpilot 官方商家工具或 API。
- 中等風險：低頻率抓取公開的競爭對手頁面，用於市場研究。仍需遵守使用條款與隱私義務。
- 較高風險：抓取有登入牆保護的第 10 頁以上內容、繞過技術控制、重新散布評論者資料，或將抓到的評論用於 AI 模型訓練。
GDPR 考量：評論者姓名、個人檔案連結、評論文字與地點資訊，在歐盟隱私法下都可能屬於個人資料。實務上可採取的保護措施包括：只收集必要欄位、將評論者姓名雜湊化供內部分析、設定資料保留期限，以及不要大規模重新發布原始評論內容。
公開資料 vs. 驗證後資料：任何人都能看到的頁面（前 10 頁評論）與登入牆後的資料，在法律與倫理上是有明確差異的。只處理公開資料的工具，合規風險通常低於那些需要登入憑證才能運作的工具。
這也應該納入你的工具選擇考量。Thunderbit 的瀏覽器模式只會處理你自己 session 中可見的頁面——它不會獨立繞過驗證。ScraperAPI 則給開發者完整控制，但也代表 session 管理是否合法、合規，責任都在你身上。
如何選對 Trustpilot 評論爬蟲
依使用者類型來看，決策框架如下：
- 不懂技術、但需要評論且不想寫程式的行銷人員？ → Thunderbit。一鍵完成，AI 處理其餘步驟，並可匯出到 Sheets / Notion / Airtable。
- 能接受設定與除錯的低程式碼使用者？ → Apify。選擇 Actor、為第 10 頁以上設定 cookies，並持續監控是否失效。
- 想用視覺化方式控制工作流程的人？ → Octoparse。點選式設定很方便，但 Trustpilot 改版時要有維護心理準備。
- 只需要公司層級資料，或只抓前 10 頁評論？ → Web Scraper。企業檔案頁的預建範本很不錯。
- 想要完全客製化的開發者？ → ScraperAPI。你自己負責解析邏輯、session 管理與資料管線。
如果你最在意的是維護成本，那這幾款工具可大致排成從 Thunderbit（幾乎不用維護）到 ScraperAPI（所有事情都要自己維護）的光譜。就預算來說，這份清單裡每一款工具都有免費入門方案——先從免費版試起，再決定是否付費。
結論
Trustpilot 的評論資料，對於競品情報、口碑監測與客戶洞察來說，確實非常有價值。
但在 2026 年，要穩定抓到這些資料，你需要的是一款能處理第 10 頁登入牆、能適應 DOM 變動，並且能在不斷手動干預的情況下應對反機器人防護的工具。
對大多數商務使用者來說，Thunderbit 是最省力的選擇——一鍵操作、AI 自動辨識欄位、可在瀏覽器模式中處理已登入頁面，而且 Trustpilot 前端改版時幾乎不需要維護。你可以用每月 6 頁、無需信用卡的方式 免費試用。
如果你是想完全掌控流程的開發者，ScraperAPI 提供了底層基礎設施；至於介於兩者之間的使用者，Apify、Octoparse 與 Web Scraper 都各自對應不同需求。重點是：選擇要符合你的技術熟悉度、可接受的維護成本，以及合規要求。
如果你想實際看看 Thunderbit 如何針對 Trustpilot 運作，我們在 YouTube 頻道 有完整教學。而如果你想先了解更多 不寫程式的網頁爬取 或 網頁爬取到底是什麼，這些指南都會幫你建立基礎概念。
常見問題
1. Trustpilot 評論可以抓到第 10 頁以後嗎？
可以，但前提是要有登入後的存取路徑。Trustpilot 會在前 10 頁評論後阻擋未登入存取。Thunderbit 的瀏覽器模式是在你已登入的 Chrome session 內運作，因此可存取你看得到的頁面。ScraperAPI 則需要在程式中管理 session / cookie。Apify Actors 需要設定 cookie。Octoparse 需要手動登入與 cookie 設定。Web Scraper 的官方文件也承認 10 頁限制，沒有內建繞過方法。
2. 抓取 Trustpilot 評論是否合法？
Trustpilot 的使用條款禁止未經明確許可的自動化資料收集。法律風險會因方法與用途而不同：抓取自己公開的評論風險較低，而繞過登入牆抓競爭對手則風險較高。若涉及歐盟評論者資料，還需要遵守 GDPR。這不是法律意見——若是大規模或商業用途，請諮詢律師。
3. 可以從 Trustpilot 擷取哪些資料？
常見欄位包含：評論者姓名、星等評分、評論標題、評論文字、發表日期、體驗日期、是否為已驗證購買、評論者所在地、商家回覆內容、公司名稱、TrustScore、總評論數、星等分布，以及評論網址。
4. Trustpilot 爬蟲多久會壞一次？
依賴 selector 的工具（Apify Actors、Octoparse 工作流程、自寫 Python 腳本）只要 Trustpilot 改變 CSS class 或 DOM 結構，就可能失效——而且這種情況每個月都可能發生好幾次。像 Thunderbit 這類 AI 語意工具會自動適應，因為它們理解的是頁面內容，而不是針對特定 selector。但沒有任何工具能完全免疫像第 10 頁登入牆這種重大存取控制變更。
5. 可以免費抓 Trustpilot 評論嗎？
這份清單裡的每一款工具都有免費入門方案：Thunderbit 每月提供 6 頁免費、ScraperAPI 提供 7 天 5,000 額度試用、Web Scraper 有可本機使用的免費 Chrome 擴充功能、Octoparse 有永久免費方案（10 個任務、50,000 行/月）、Apify 則包含每月 $5 的免費平台額度。若只是小規模抽樣或測試，這些工具都可以免費使用。
試用 Thunderbit 進行 Trustpilot 評論爬取 Get Started Free
延伸閱讀
