我測試了 10 款 Yelp 評論爬蟲——這些真的有用

Yelp 累積擁有 ，以及超過 840 萬個已認領的商家據點——如果你最近嘗試抓取這些資料，你一定知道那種痛苦有多真實。從嚴格的 CAPTCHA、IP 封鎖，到壞掉的 Python 腳本，到了 2026 年，抓 Yelp 的感覺就像想偷偷溜過一個早就認得你長相的門衛。

過去幾週，我實際測試了 10 款 Yelp 評論爬蟲，從免寫程式的 Chrome 擴充功能，到開發者 API，再到企業級資料平台，全都逐一對比。我的目標很簡單：找出哪些工具現在真的能在 Yelp 上運作、哪些只是行銷包裝大於實際功能，以及哪些值得你花時間與預算。

下面我會帶你看完每一款工具、分享完整比較表，並補上其他人很少談到的實務重點——像是如何處理重複資料、用於開發潛在客戶時該怎麼抓，以及匯出的 Yelp 資料實際長什麼樣子。如果你是業務、在地行銷人員，或只是想要乾淨的 Yelp 資料、又不想寫任何一行程式碼的營運人員，這篇就是為你寫的。

為什麼要在 2026 年抓取 Yelp 評論？（又為什麼變得更難）

Yelp 不只是評論網站——它也是一個即時的商業情報資料庫。 會在一週內向他們在平台上找到的商家下單或預約，而每天有 送到商家手中。對企業來說，這代表很多真實應用場景：

• 競爭對手分析： 比較你所在市場中的評分、評論數、類別、設施與區域定位。
• 情緒監測： 追蹤評論文字、星等、日期與店家回覆的變化。
• 開發潛在客戶： 擷取商家名稱、電話、網站、地址、類別，有時甚至包含店家相關的個人檔案內容。
• 在地 SEO 研究： 研究評論成長速度、類別標籤、照片與互動訊號。

但問題來了：從 2024 年開始，Yelp 把抓取變得困難得多。他們的 顯示，平台處理了 2,200 萬則評論、關閉超過 130 萬個使用者帳號，並標記了與單一 IP 位址相關的可疑行為。在技術層面，Yelp 現在部署了 。AIMultiple 的一份 針對超過 500 個 Yelp 商家頁面 URL 發現，通用型解封工具經常直接失敗。

使用者的實際回饋也同樣直白。2024 年 10 月的一位 表示，他們的 Beautiful Soup 腳本在新的 CAPTCHA 出現後「完全壞掉了」。另一位在 上則描述，用 Scrapy 反覆遇到 503 錯誤。原生 requests + BeautifulSoup 的流程？確認已壞。沒有 undetected-chromedriver 的舊 Selenium 腳本？結果一樣。

這也是為什麼選對工具比以往更重要——也正是我測試這 10 款工具的原因，讓你不用自己踩坑。

什麼才算最好的 Yelp 評論爬蟲？（選擇標準）

不是所有 Yelp 爬蟲都一樣。我用七個對開發者、業務或小型代理商老闆都很重要的標準，來評估這份清單中的每一款工具：

作為參考，Yelp 商家頁面能提供的欄位其實非常豐富：商家名稱、評分、評論數、類別、地址、電話、網站、營業時間、鄰里區域、照片、評論文字、評論日期、評論者名稱，以及在已認領頁面上有時還會出現店主回覆或商家檔案內容。最好的工具能擷取其中大部分；最弱的只會抓到少數幾項。

為什麼 Chrome 擴充功能型爬蟲也值得上榜

在研究這篇文章時，我注意到一件事：每一篇排名靠前的「最佳 Yelp 爬蟲」文章，幾乎都只談 SaaS 平台、API 或 Python 函式庫，卻沒有任何一篇真正涵蓋瀏覽器擴充功能型爬蟲。但需求是真的存在——就在那個 中，一位在 Yelp 新 CAPTCHA 出現後 Python 爬蟲壞掉的使用者回報說，Instant Data Scraper 仍然可用，因為它「就是在瀏覽器裡跑」。

瀏覽器型爬蟲繼承的是更像真人的瀏覽環境：既有工作階段、正常的 JS 執行、真實的 cookies，以及較少明顯的伺服器端機器人指紋。它們不是無敵的—— 明確表示，不允許透過瀏覽器擴充功能抓取資料。但從實務上的反機器人角度來看，瀏覽器型蒐集比直接發 HTTP 請求更不容易出問題，尤其是在列表頁與輕量流程上。

Thunderbit 和 Instant Data Scraper 能進榜，就是因為它們代表了其他競品文章忽略的一類爬蟲——而且它們確實解決了非技術使用者的實際問題。

1. Thunderbit — 非技術使用者最適合的 Yelp 評論爬蟲

是我們公司打造的工具，所以我先說清楚這一點——但我把它排第一，是因為在這份清單裡，它確實擁有最強的免寫程式 Yelp 覆蓋能力。Thunderbit 是一款 AI 驅動的 Chrome 擴充功能，針對 和 都有專屬範本，工作流程圍繞著一個簡單模式：AI Suggest Fields → Scrape → Export。

Thunderbit 對 Yelp 特別有用的地方在於它有雙模式抓取。瀏覽器抓取是在你自己的 Chrome 工作階段中執行，當 Yelp 對伺服器端請求更不友善時特別有用（而在 2026 年，多數目錄頁幾乎都是這種情況）。雲端抓取則能同時處理最多 50 個頁面，適合公開商家個人檔案頁面、而且反機器人壓力較低的場景。

子頁面抓取功能，正是它在名單開發上最有意思的地方。你可以先從 Yelp 搜尋結果頁開始，抓取列表，接著讓 Thunderbit 自動逐一造訪每個商家頁，補上更豐富的欄位——店主名稱、網站 URL、電子郵件（透過 Thunderbit 的免費 email extractor），以及電話號碼（透過免費 phone extractor）。我還沒看過其他免寫程式工具能在 Yelp 上複製這種流程。

Yelp 抓取的主要功能

• AI Suggest Fields： 按一下按鈕，Thunderbit 的 AI 就會讀取 Yelp 頁面，並建議像商家名稱、評分、評論數、電話、地址、類別、網站等欄位。
• 瀏覽器 + 雲端模式： 搜尋頁等反機器人壓力高的頁面用瀏覽器模式；公開個人檔案頁面則可用雲端模式放大規模。
• 子頁面抓取： 可從搜尋結果自動進到單一商家頁面。
• AI 資料清理： 在抓取過程中就能標籤、分類、重新格式化電話號碼（E.164），甚至翻譯評論。
• 分頁處理： 支援點擊分頁與無限捲動。
• 排程抓取： 可用自然語言排程設定週期性抓取，方便監測。
• 免費匯出： Google Sheets、Airtable、Notion、Excel、CSV、JSON——匯出沒有付費牆。

Thunderbit 可擷取的 Yelp 欄位

在 Thunderbit 中的典型 Yelp 工作流程

1. 在 Chrome 中打開一個 Yelp 餐廳搜尋結果頁。
2. 點擊 AI Suggest Fields — Thunderbit 會提出欄位。
3. 視需要調整欄位（或直接使用 AI 建議）。
4. 點擊 Scrape。
5. 視需要使用子頁面抓取，逐一進入商家頁並補充更豐富的欄位。
6. 直接匯出到 Google Sheets、Airtable 或你偏好的格式。

建立一個基本的 Yelp 抓取流程，我大概只花了 3 次點擊。子頁面補強會多一個步驟，但仍然不需要寫程式。

價格： 採點數制（1 點 = 1 筆輸出資料列）。有免費方案；付費方案大約每月 15 美元起，或年繳每月 9 美元可得 500 點。免費試用最多可抓取 10 個頁面。

最適合： 做在地名單開發的業務團隊、想要 Yelp 資料但不寫程式的在地行銷人員，以及需要定期監看競爭對手評論的營運團隊。

2. Apify — 最適合可擴展雲端執行的 Yelp 爬蟲

是一家捷克的市集平台，主打社群打造的「actors」——而這裡的 Yelp 生態系意外地完整。你可以找到用來抓 Yelp 商家、Yelp 評論，甚至加上 email 補強的 Yelp 名單開發 actors。代價則是品質不一：有些 actor 很出色，有些已經過時，而且公開評分從 0.0 到 5.0 都有。

依照不同的 actor，你可以擷取商家名稱、評分、評論、類別、價格、地址、電話、網站、營業時間、照片、店主資訊、設施、評論文字、作者細節、互動次數，以及店家回覆。

Apify 的強項之一就是匯出功能：資料集可匯出為 JSON、CSV、XML、Excel、HTML Table、RSS 與 JSONL。

價格： 有免費方案，含 5 美元使用額度；Starter 方案每月 49 美元；Scale 方案每月 499 美元。部分 actor 另按結果收費。

最適合： 想要雲端定期蒐集、排程能力與強大匯出選項的團隊。

3. SerpApi — 最適合想要結構化 JSON 的開發者版 Yelp 評論爬蟲

是最乾淨的 API-first Yelp 方案。它提供專門的 Yelp 搜尋（engine=yelp）與 Yelp 評論（engine=yelp_reviews）端點，回傳的是結構完整的 JSON，而不是原始 HTML。

在搜尋端，你會拿到 place_ids、title、categories、price、rating、reviews、neighborhoods、snippet 與 service_options 等欄位。評論端則會回傳使用者名稱、使用者 ID、使用者地址、評論文字、語言、日期、評分、回饋數與店家回覆。Yelp Reviews API 每頁最多 49 筆結果，快取會在 1 小時後失效。

價格： 免費方案每月 250 次搜尋；Starter 每月 75 美元，可做 5,000 次搜尋；Developer 每月 150 美元，可做 15,000 次搜尋。

最適合： 需要結構化 Yelp JSON 供分析流程使用、又不想維護解析器的開發者。

4. Octoparse — 最適合視覺化工作流程建構器的 Yelp 爬蟲

Octoparse 是這裡最強的點選式工作流程建構工具，但它目前的 Yelp 範本偏向列表頁，顯示的欄位像是標題、顧客評分、推薦貼文數、類別、價格等級、地址與營業時間。若要抓評論文字，通常需要自己建立客製化流程。

Octoparse 支援雲端擷取、任務排程、分頁與無限捲動、IP 輪替、住宅代理與自動 CAPTCHA 解決。它的視覺化建構器很強，但在自訂設定上確實有學習曲線。

價格： 免費方案含 10 個任務、1 台裝置、2 個本機並行執行，且每月最多 50K 筆資料列。付費方案可增加雲端執行與更多容量。像住宅代理（約每 GB 3 美元）與 CAPTCHA 解決（約每千次 1–1.50 美元）這類加購項目，費用很容易疊上去。

最適合： 想要視覺化工作流程建構器、又不介意花時間設定的使用者。

5. ScraperAPI — 最適合自己打造 Yelp 爬蟲時使用的代理層

ScraperAPI 本身不是 Yelp 爬蟲——它是給想自己控制擷取流程的開發者使用的代理、渲染與反機器人層。他們的 Yelp 解決方案頁與教學，展示了如何透過輪替代理、JavaScript 渲染與 CAPTCHA 處理來轉送請求，但解析器還是得你自己寫。

它的點數系統很明確：一般請求消耗 1 點，render=true 消耗 10 點，而 premium + render 則要 25 點。在 Yelp 上這會很快累積，因為通常需要 JavaScript 渲染。

價格： 免費方案每月 1,000 API 點數；7 天試用含 5,000 點數；Hobby 方案每月 49 美元，可得 100,000 點數。

最適合： 已經會寫爬蟲、而且需要可靠反機器人層來抓 Yelp 的開發者。

6. Lobstr.io — 最適合預先建好、免寫程式的 Yelp 搜尋爬蟲

Lobstr.io 比起純評論爬蟲，更像是很清楚的 Yelp 名單匯出產品。它的 Yelp Search Export 頁面承諾提供 19 個資料屬性、每分鐘 30 筆潛在客戶，以及每 1,000 筆潛在客戶約 1 美元的成本。

公開列出的欄位包含 URL、名稱、評論數、分數、是否歇業、是否已認領、價格、類別、網站、電話、菜單連結、地址、經緯度、設施、電子郵件、廣告主狀態，以及是否為贊助內容。這是一組相當強的名單開發欄位。但我沒有找到目前的證據顯示 Lobstr 會擷取評論正文——這讓它更像是名單爬蟲，而不是評論監測工具。

價格： 免費方案每月 3,500 筆結果；付費方案每 1,000 筆結果約 0.19–0.30 歐元。

最適合： 預算敏感、但需要 Yelp 商家資料做名單開發，而不是評論分析的使用者。

7. Bright Data — 最適合企業級資料蒐集的 Yelp 爬蟲

Bright Data 是這份清單中最偏企業級的選項，既有 Yelp 爬蟲，也有 Yelp Reviews Dataset 產品。光是資料集本身就包含 1.7 億筆以上記錄與 17 個欄位，起價約每筆 0.0025 美元。

Bright Data 宣稱擁有遍布 195 個國家的 4 億以上每月 proxy IP、自動化 proxy 管理、完整瀏覽器渲染、CAPTCHA 解決、無限併發與排程。Yelp 爬蟲方案起價為每 1K 筆記錄 1.50 美元的隨用隨付方案，Scale 方案則是每月 499 美元可得 384K 筆記錄。

價格： 高價位——隨用隨付從每 1K 筆記錄 1.50 美元起；另有一週 1K 請求的一次性試用。

最適合： 需要大規模 Yelp 資料蒐集或預建資料集的企業團隊。

8. PhantomBuster — 已經拿來做 LinkedIn 的業務團隊最適合

在這份清單中，PhantomBuster 對純 Yelp 的適配度是最弱的，我想誠實說明這點。現有官方文件只明確列出 Google Maps 與 Yellow Pages 的專用 Phantom，但我找不到像不少整理文會暗示的那樣、清楚文件化的 Yelp 優先 Phantom。

不過，PhantomBuster 仍然被業務團隊廣泛用於多步驟雲端自動化、週期性執行、CSV/JSON 匯出與適合 CRM 的工作流程。如果你的團隊本來就用 PhantomBuster 做 LinkedIn 外聯，而你想把 Yelp 資料也加進流程裡，它是可行的——但它並不是專為 Yelp 評論抓取設計。

價格： 免費方案匯出限制 10 列；Start 每月 56 美元；Grow 每月 128 美元；14 天免費試用。

最適合： 已經在用 PhantomBuster 做外聯自動化、並想把 Yelp 資料納入流程的業務團隊。

9. Instant Data Scraper — 最適合快速抓 Yelp 的免費 Chrome 擴充功能

Instant Data Scraper 是零成本的瀏覽器擴充功能方案，Chrome Web Store 上有超過 1,000,000 名使用者，評分達 4.9/5。安裝後，打開 Yelp 頁面，點擊擴充功能圖示，它就會用 AI 啟發式規則自動偵測頁面上的資料。

它之所以在 Yelp 上還能運作、而 Python 腳本卻不行，原因正如我前面說的：它是在你的瀏覽器中執行。那位 也證實了這一點。但它是一把鈍器——沒有子頁面抓取、沒有 AI 欄位自訂、除了你的瀏覽器工作階段外沒有額外反機器人處理、沒有排程，而且匯出只限 Excel 或 CSV。

社群評論也提到，它在下一頁工作流程中可能卡住、會無預警停止，而且對 Yelp 的動態載入處理得不太穩定。它很適合快速抓單一頁面，但不是生產級工具。

價格： 完全免費，不需要帳號。

最適合： 需要快速、免費抓一點 Yelp 資料，而且不要求規模或客製化的人。

10. Webautomation.io — 具有預建範本與雲端執行的 Yelp 爬蟲

Webautomation.io 介於視覺化工具與託管式擷取平台之間。它的市集列出了 Yelp Business Data Extractor，而平台本身主打重試、排程、指紋防護與雲端執行。

公開輸出欄位包含 URL、標題、地點、地址、圖片連結、設施、營業時間、電話、評分、評論、網站連結與類別。根據公開的 extractor 頁面，每一列抓取成本為 25 點數。

價格： 14 天免費試用，提供不限量試用點數；隨用隨付約每 1,000 點 5 美元；年方案從每月 74 美元起。

最適合： 想要雲端 Yelp 擷取、並具備排程與重試邏輯的使用者。

10 款最佳 Yelp 評論爬蟲總比較（速覽表）

沒有哪篇競品文章做過一張完整的全工具總覽表，所以這張就是我當初做研究時最希望看到的版本：

簡短結論：Thunderbit 在免寫程式整體表現最好，SerpApi 適合開發者 API，Octoparse 適合視覺化流程，Bright Data 適合企業級規模，Instant Data Scraper 適合免費快速抓取，而 Lobstr.io 則適合預算有限的名單匯出需求。

不只評論：把 Yelp 爬蟲用在名單開發上

大多數 Yelp 爬蟲文章都把 Yelp 當成純評論網站。以我的經驗來看，這其實漏掉了更大的圖景。Yelp 也是一個名單資料庫——而且在某些方面，它在在地潛在客戶開發上的資訊甚至比 Google Maps 更豐富。

最強的名單開發流程，不只是「下載一份清單」。它應該是：

1. 抓取某個類別與地區的 Yelp 搜尋結果。
2. 透過子頁面抓取逐一進入每個商家頁。
3. 補上網站、電話、營業時間、類別與店家相關內容。
4. 視需要再從網站 URL 補出電子郵件地址。

Thunderbit 的子頁面抓取 + 免費 email/phone extractor，正是為這種流程設計的。不過，像 Apify 的 和 Lobstr 的 ，也同樣支援以名單開發為導向的擷取。

你實際上能從 Yelp 抓到哪些名單資料？

This paragraph contains content that cannot be parsed and has been skipped.

Yelp 與 Google Maps：哪個更適合在地名單開發？

Google Maps 是更廣泛的上層漏斗來源——，而且 會用 Google 找評論。但 Yelp 在名單開發上也有獨特優勢：

Yelp 最適合被視為一個高意圖的次級資料來源——當你需要店主名稱、更細的類別，或 Google Maps 不穩定提供的設施資料時，它特別有價值。

如何處理分頁，並在大規模下避免重複資料

這是沒人會主動談，但三位不同論壇使用者都提過的問題。 證實，Yelp 評論分頁使用 start 參數（例如 &start=10、&start=20）。而 Yelp 自己的 也指出，贊助結果可能排在編號結果之前，且排名取決於多種訊號——不是一個簡單、穩定的清單順序。

結果就是三個實際問題：

• 贊助列表會在不同頁面重複，或扭曲資料列計數。
• 重疊搜尋會把同一家商家抓到不只一次。
• 週期性監測任務會重新匯入相同商家，除非你用穩定 ID 或 URL 去鍵值化。

Yelp 分頁的 DO / DON'T 清單

• DO 以商家 URL 或商家 ID 作為去重鍵值。
• DO 先抓取，再在 Google Sheets、Airtable 或資料庫中合併／去重。
• DO 預期 Yelp 廣告與贊助列會扭曲單純的分頁計數。
• DON'T 只看畫面上的列數，就以為那是唯一商家數。
• DON'T 假設每次執行時搜尋排序都會一樣。

在我測試過的工具中，Thunderbit 同時支援點擊分頁與無限捲動，而且匯出到 Google Sheets/Airtable 讓去重很直接。Octoparse 也支援分頁與父子流程，但去重邏輯要由使用者自己處理。Instant Data Scraper 在較輕量的情況下也能分頁，但在 Yelp 上它是這裡最不穩的工具。

如果你是做監測流程，Thunderbit 的排程爬蟲可讓你用自然語言設定週期性抓取，對於追蹤新商家或評論隨時間變化特別有用，不必每次手動重跑。

匯出的 Yelp 資料實際長什麼樣子（真實範例）

爬蟲整理文最大的信任落差之一，就是它們從不展示匯出結果實際長什麼樣。我認為這很不公平——你應該在承諾之前就知道自己會拿到什麼。

一份來自 Thunderbit 的真實 Yelp 餐廳匯出，可能包含這些欄位：

商家名稱 | 評分 | 評論數 | 電話 | 地址 | 類別 | 網站 URL | 營業時間 | 評論者使用者名稱 | 評論內容 | 評論日期 | 評論者位置

以下是幾款工具在同一個 Yelp 查詢下，欄位完整度的比較：

原始輸出與 AI 清理輸出的差別，比你想像的還重要。Thunderbit 的 Field AI Prompt 可在抓取過程中直接分類商家、將電話號碼重新格式化為 E.164，甚至翻譯評論。像 SerpApi 和 ScraperAPI 這類 API 會回傳更乾淨的結構化資料，適合流程串接，但後續標準化就得由你自己處理。

關於 Yelp 抓取與法律考量的一點說明

這部分我會簡短帶過——不是本文重點，但你還是應該知道基本概念。

Yelp 的 禁止機器人、蜘蛛程式、爬蟲，以及建立可搜尋的 Yelp 內容資料庫，除非明確允許。他們的 也另外指出，不允許透過機器人、瀏覽器外掛或瀏覽器擴充功能抓取資料。

不過，「ToS 不允許」和「違法」是兩回事。當前法律背景仍然包含 這類案件脈絡，而 的評論也仍把公開資料抓取視為取決於事實情境，而不是一概非法。

我的建議是：尊重速率限制，不要抓取私密或需要登入的資料，遵守當地資料隱私法（GDPR、CCPA），並負責任地使用資料。

Yelp 也有 ——但功能有限。搜尋最多只回傳 ，評論端點每家最多只回傳 ，而且 很嚴格。對多數使用情境來說，官方 API 並不夠用——這也是爬蟲工具存在的原因。

你該選哪一款 Yelp 評論爬蟲？

把這 10 款都測過之後，我對不同使用情境的真實看法如下：

• 想要最簡單設定的非技術使用者 → 。兩次點擊就能抓取，Yelp 範本強，還可免費匯出。
• 想要結構化 API 資料的開發者 → SerpApi。JSON 乾淨、免維護解析器，還有專用 Yelp 端點。
• 需要超大規模的團隊 → Bright Data。企業級 proxy 網路、預建 Yelp 資料集、無限併發。
• 想要免費方案的預算型使用者 → Instant Data Scraper 適合快速抓取，或用 Lobstr.io 免費方案做名單開發。
• 做多平台名單開發的業務團隊 → 如果你本來就拿 PhantomBuster 做 LinkedIn，可以選它；如果流程明確是 Yelp 名單，那就選 Lobstr。
• 想要視覺化工作流程建構器的使用者 → Octoparse。

如果問題是「今天到底什麼工具真的能在 Yelp 上用」，誠實的答案是：以瀏覽器為主，或專為 Yelp 設計的產品，表現會勝過通用爬蟲。就目前來看，最符合需求的是：Thunderbit 適合非技術使用者、SerpApi 適合開發者、Bright Data 適合企業、Apify 適合雲端彈性，而 Octoparse 適合喜歡視覺化流程的人。

想看看 2 步驟 Yelp 抓取長什麼樣子嗎？可以試試 ——或到 看操作教學。如果你想更深入了解網頁抓取，這裡還有幾篇我們部落格的相關文章：

祝你抓取順利——願你的匯出永遠乾淨、重複資料越少越好，CAPTCHA 最好完全不存在。

常見問題

可以免費抓取 Yelp 評論嗎？

可以，但只能在小規模下。2026 年最好的免費選項包括：Instant Data Scraper（完全免費，不需要帳號）、Thunderbit 免費方案（有限點數）、Apify 免費方案（5 美元使用額度）、SerpApi 每月 250 次免費搜尋，以及 Lobstr.io 免費入門方案（每月 3,500 筆結果）。每個方案在量、自動化或欄位深度上都有明顯限制——但用來測試流程、抓幾個頁面已經足夠。

除了評論之外，還能從 Yelp 擷取哪些資料？

其實很多。現在的工具可以擷取商家名稱、評分、評論數、電話、網站、地址、類別、營業時間、鄰里區域、照片、設施，有時還包含店家相關的個人檔案內容或補強過的 email 欄位。最完整的欄位組合，通常來自支援子頁面抓取的工具——也就是先抓搜尋結果頁，再逐一進到商家詳情頁補上更深入的資料。

Yelp 會封鎖爬蟲嗎？

會，而且很積極。Yelp 在服務條款與支援中心都明確禁止抓取，而近期技術證據顯示，平台對目錄／搜尋頁使用 CAPTCHA、503 錯誤、TLS/JA3 指紋辨識、混淆的 CSS 類別，封鎖力度也比單一商家頁更強。到了 2026 年，瀏覽器型工具與具備 proxy 的 API 擁有最高成功率。

Yelp 的瀏覽器抓取和雲端抓取有什麼差別？

瀏覽器抓取是在你自己的 Chrome 工作階段中執行，繼承的是更像真人的瀏覽環境——既有 cookies、正常 JS 執行、真實指紋。它比較不容易在搜尋與目錄頁觸發 Yelp 的機器人偵測。雲端抓取則是從遠端伺服器送出請求，更適合擴大規模（Thunderbit 的雲端模式可同時處理 50 個頁面），但更依賴 proxy 品質與反機器人繞過能力。有些工具像 Thunderbit 同時提供兩種模式，所以會比單一模式工具更適合 Yelp。

Yelp 的官方 API 對大多數使用情境夠用嗎？

其實不太夠。Yelp 的 Fusion API 將搜尋結果限制為 240 家商家，評論端點每家最多只回傳 3 段評論摘錄，沒有評論的商家也不會回傳，而且速率限制很嚴格。對於認真的競爭對手分析、名單開發或評論監測來說，官方 API 太受限——這也正是專門抓取工具存在的原因。

延伸閱讀