Парсинг цен конкурентов: 3 способа — от скрипта на Python до готового сервиса

Парсинг цен конкурентов: 3 способа от Python до готового сервиса 2026

Обновлено: июнь 2026

Менеджер открывает 20 вкладок с сайтами конкурентов, копирует цены в Excel — и через два часа работы цифры уже успели устареть. Это классика. Автоматизировать это можно тремя путями: написать скрипт на Python, подключить российский сервис мониторинга или использовать облачный API. Каждый вариант решает свою задачу и стоит по-разному. Разбираем все три — с конкретными промптами и ценами по состоянию на июнь 2026.

В 2026 году доступны три реальных пути настроить мониторинг цен конкурентов: Python-скрипт (бесплатно, но требует времени), российские SaaS-сервисы — Priceva от $50/мес и MarketParser от 9 500 ₽/мес — и облачные API вроде Apify от $49/мес и ScraperAPI. Ниже — сравнение по сценариям и готовый промпт для Cursor.

Что такое парсинг цен и когда это нужно?

Парсинг цен — автоматический сбор данных о ценах с сайтов конкурентов. Программа ходит на нужные страницы, находит нужные числа и сохраняет в таблицу. Нужен всем, кто продаёт онлайн и хочет не проигрывать по цене на ровном месте.

78% покупателей сравнивают цены в трёх-пяти магазинах перед покупкой. Ритейлеры с автоматическим мониторингом увеличивают маржу на 15–25%. Без парсинга этот зазор теряется просто потому, что человек физически не успевает отслеживать изменения вручную.

Парсинг цен — законная практика при работе с общедоступными данными, которые не защищены авторским правом. Цены, описания, наличие — всё это собирать можно. Персональные данные — нельзя.

Способ 1. Python-скрипт через Cursor: пишешь сам, платишь только за хостинг

Бесплатный вариант для тех, кто готов разобраться один раз. Скрипт на requests + BeautifulSoup справляется с большинством обычных интернет-магазинов. Для маркетплейсов и JavaScript-сайтов нужен Playwright — добавляется одной строкой в промпт.

Написать рабочий парсер можно за час-полтора, если использовать Cursor с правильным промптом. Не нужно знать Python с нуля — достаточно понимать, что хочешь получить на выходе.

Как работает базовый парсер?

Браузер работает по принципу запрос-ответ: вводишь адрес, он получает HTML-код и превращает его в красивую страницу. Скрипт делает то же самое, но без браузера. Библиотека requests отправляет запрос, BeautifulSoup разбирает HTML и находит нужные блоки по CSS-классам.

Каждая карточка товара в каталоге обычно имеет один и тот же CSS-класс. Именно по нему скрипт и ищет все товары на странице. Нашёл класс — нашёл все цены.

Ограничения подхода:

• Не работает с закрытыми страницами (авторизация, cookies)
• Сайты с капчей потребуют дополнительных библиотек
• JavaScript-сайты — только через Playwright

Готовый промпт для Cursor

Скопируй в Cursor и подставь свой URL:

Напиши Python-скрипт для парсинга цен с сайта [URL].

Что нужно собрать:
- Название товара
- Цена (числом, без символа валюты)
- Наличие (в наличии / нет)
- Ссылка на товар

Требования:
- Использовать requests + BeautifulSoup
- Обход пагинации через цикл while (параметр page= в URL)
- Задержка 2-3 секунды между запросами (robots.txt уважаем)
- Сохранить в CSV и Excel
- Запускать по cron каждые 24 часа
- User-Agent как у обычного браузера

Если сайт рендерит через JavaScript — добавить Playwright.
Вывести итог: количество товаров, дату сбора, среднюю цену.

Пример структуры скрипта

import requests
from bs4 import BeautifulSoup
import pandas as pd
import time

def parse_catalog(base_url):
    data = []
    page = 1
    max_page = 1

    while page <= max_page:
        response = requests.get(
            base_url,
            params={"page": page},
            headers={"User-Agent": "Mozilla/5.0"}
        )
        soup = BeautifulSoup(response.text, "html.parser")

        # Найти все карточки товаров
        items = soup.find_all("div", class_="product-card")

        for item in items:
            data.append({
                "title": item.find("h2").text.strip(),
                "price": item.find("span", class_="price").text.replace("\xa0", "").replace("₽", "").strip(),
                "availability": item.find("div", class_="status").text.strip()
            })

        # Обновить максимальную страницу
        pages = []
        for p in soup.find_all("a", class_="pagination-num"):
            try:
                pages.append(int(p.text))
            except:
                continue
        if pages:
            max_page = max(pages)

        page += 1
        time.sleep(2)

    return pd.DataFrame(data)

CSS-классы (product-card, price, status) меняй под конкретный сайт — они видны через F12 на вкладке Elements. Cursor сам найдёт нужные классы, если вставишь ему HTML-фрагмент страницы.

Максим: «Попросил Cursor написать парсер для отслеживания цен у пяти конкурентов по 150 позициям. Ушло 40 минут с нуля до рабочего скрипта. Сейчас он запускается по расписанию, получаю Excel-файл утром. Ноль рублей в месяц кроме VPS за $6.»

Как автоматизировать запуск

Самый простой вариант — запустить скрипт на Linux VPS через cron:

# Запускать каждый день в 7 утра
0 7 * * * /usr/bin/python3 /home/user/price_parser.py

VPS достаточно самого простого: 2 GB RAM, ~$6–10 в месяц на Hostinger или Timeweb. Если нужен дашборд с историей — результаты можно писать в Google Sheets через API.

Способ 2. Готовые сервисы для РФ — MarketParser, Priceva, uXprice

Платишь деньгами, экономишь время. Российские сервисы закрывают маркетплейсы (WB, Ozon, ЯМ) из коробки и дают готовые дашборды. Python не нужен.

MarketParser — лучший для маркетплейсов

MarketParser — одна из самых известных российских облачных платформ для мониторинга цен и репрайсинга. Работает с WB, Ozon, Яндекс.Маркетом, Мегамаркетом и тысячами других e-commerce-сайтов.

Тарифы по состоянию на апрель 2026: от 9 500 ₽/месяц (тариф «Старт», 100 000 проверок) до 90 000 ₽/мес для крупных каталогов. Есть триал 7 дней для всех планов. Из коробки: мониторинг в реальном времени, автоматический репрайсинг с настройкой стратегий, контроль РРЦ для брендов, визуализация и кастомные отчёты.

Кому подходит: интернет-магазинам с каталогом от 500 позиций, которые активно торгуют на маркетплейсах.

Priceva — лучший баланс цены и функций

Priceva используют 600 интернет-магазинов, которые ежедневно следят за ценами 45 000 конкурентов. Стоимость — от $50 в месяц, есть бесплатная версия.

Из инструментов: динамическое ценообразование, мониторинг наличия, экспорт в Excel, API-интеграция. Priceva входит в лидеры по уровню встроенной автоматизации и алгоритмической логике ценообразования, рядом с Metacommerce и Imprice.

Кому подходит: брендам и дистрибьюторам с задачей контроля РРЦ плюс аналитика по конкурентам. Freemium позволяет протестировать без затрат.

uXprice — для небольших магазинов

Облачный инструмент для мониторинга цен конкурентов и оперативной переоценки. Позиционируется в SMB-сегменте, цены по запросу. Есть бесплатный пробный период.

Способ 3. Облачные API — Apify и ScraperAPI для сложных случаев

Нужны, когда сайт защищён от ботов, рендерит через JavaScript или расположен за рубежом. Платишь за запросы, а не за подписку с фиксированным объёмом.

В чём принципиальное отличие от готовых сервисов

Готовые сервисы (Priceva, MarketParser) — это продукт с дашбордом, готовыми коннекторами к маркетплейсам и поддержкой. Облачные API — это инфраструктура. Ты пишешь логику парсинга сам, а API берёт на себя прокси, обход капчи и рендеринг JavaScript.

Практически: ScraperAPI — это один URL-вызов вместо твоего обычного requests.get. Apify — это готовые акторы, которые не требуют написания кода вообще.

Apify — платформа с готовыми акторами

Apify — полноценная платформа с 20 000+ акторами (готовыми скраперами), облачным исполнением, хранилищем данных и планировщиком. Цены от $49/месяц.

Фишка Apify — готовые акторы под конкретные сайты: Amazon, Instagram, LinkedIn и десятки других. Настраиваешь через форму, нажимаешь запуск — получаешь данные в JSON или CSV без написания кода. Есть интеграции с Make, n8n, Zapier.

ScraperAPI — прокси-слой для своего кода

ScraperAPI — это прокси-ротация как сервис. Ты отправляешь HTTP-запросы на их endpoint, они берут на себя смену IP, решение капчи и управление заголовками.

Кредиты по состоянию на 2026: 1 кредит за базовый HTML, 5–10 за JavaScript-рендеринг, 25 за премиальные домены (Amazon, Google). Интегрировать в существующий скрипт просто — меняешь один URL:

import requests

API_KEY = "your_key"

def scrape_with_api(url):
    payload = {
        "api_key": API_KEY,
        "url": url,
        "render": "true"  # включает JavaScript-рендеринг
    }
    response = requests.get("https://api.scraperapi.com/", params=payload)
    return response.text

Сравнение международных API

Как выбрать под свою задачу?

Зависит от трёх параметров: объём каталога, технические ограничения сайтов-конкурентов и бюджет.

До 500 позиций, 3–5 сайтов без маркетплейсов — Python-скрипт. Один раз написал через Cursor, запустил на VPS, платишь $6–10/мес за сервер. Ноль рублей на инструмент.

Маркетплейсы (WB, Ozon, ЯМ), нужен дашборд и репрайсинг — MarketParser от 9 500 ₽/мес или Priceva от $50/мес. Экономит время на разработку и поддержку.

Международные сайты, JavaScript-рендеринг, защита от ботов — Apify если нужны готовые акторы, ScraperAPI если уже есть свой код.

Нет времени разбираться, нужно сегодня — Priceva: есть бесплатный тариф, интерфейс понятный, работает из коробки.

Лиза: «Прикинь, раньше анализ 15–20 конкурентов для одного отчёта занимал половину рабочего дня. Написала скрипт с Python-бэкендом: вставляешь ссылки, через 5,5 минут CSV с ценами. 4 часа превратились в 5,5 минут. Промпт для Cursor плюс час отладки — вот и весь бюджет.»

Что нужно учесть перед запуском

Несколько нюансов, которые часто обходят стороной.

Robots.txt. Перед парсингом проверяй файл robots.txt сайта конкурента — по адресу site.ru/robots.txt. Если путь к каталогу закрыт через Disallow, лучше не ломиться. В систему на n8n + Python это можно зашить как автоматическую проверку перед каждым запросом.

Задержки между запросами. Парсинг без пауз — это фактически DDoS-атака на сервер конкурента. Минимум 2–3 секунды между запросами к одному домену. Это и этика, и защита от бана.

JavaScript-сайты. Если цена на странице подгружается динамически (не видна в исходном HTML через Ctrl+U), стандартный requests не поможет. Нужен Playwright или headless-браузер. В Cursor это добавляется одним уточнением: «сайт рендерит через JS, используй Playwright».

Частота обновления. Ежедневного запуска достаточно для большинства каталогов. Реальное время нужно только при агрессивном динамическом ценообразовании — авиабилеты, маркетплейсы с аукционными механиками.

Часто задаваемые вопросы

Парсинг цен конкурентов — это законно в России?
Сбор общедоступных данных (цены, названия, описания) из открытого доступа — законная практика. Нарушением будет копирование авторского контента, сбор персональных данных или намеренная перегрузка серверов. По тем же правилам работают агрегаторы цен вроде «Яндекс.Маркета».

Что выбрать: скрипт или сервис?
Скрипт — если каталог до 500 позиций, нет маркетплейсов и есть час на настройку через Cursor. Сервис — если нужен репрайсинг, маркетплейсы или дашборд для команды.

Можно ли парсить Wildberries и Ozon?
Да, через специализированные сервисы: MarketParser или Priceva. Самописным скриптом сложнее — у маркетплейсов многоуровневая защита от ботов и JavaScript-рендеринг.

Как часто обновлять данные?
Для большинства ниш достаточно раз в сутки. Если конкуренты меняют цены несколько раз в день (электроника, FMCG) — нужна почасовая проверка, это уже задача для платного сервиса.

Почему скрипт на requests не видит цены?
Сайт рендерит цену через JavaScript. Открой страницу, нажми Ctrl+U — если цены в исходном коде нет, нужен Playwright. В промпте для Cursor добавь: «сайт рендерит через JS, используй Playwright».

Сколько стоит запустить мониторинг с нуля?
Самый дешёвый вариант: VPS $6–10/мес + Python-скрипт (бесплатно). Средний уровень: MarketParser от 9 500 ₽/мес с готовым дашбордом. Облачный API: Apify от $49/мес или ScraperAPI от ~$29/мес.

Как не получить бан при парсинге?
Уважай robots.txt, делай паузы 2–3 секунды между запросами к одному домену, меняй User-Agent, не парси из одного IP с высокой частотой. При первых признаках капчи — подключай Playwright или облачный API.

Глоссарий

Парсинг — автоматический сбор данных с сайтов. В данном контексте: извлечение цен из HTML-кода страниц конкурентов.

Beautiful Soup (bs4) — Python-библиотека для разбора HTML. Находит нужные теги по CSS-классам и атрибутам.

Requests — Python-библиотека для отправки HTTP-запросов. Позволяет «открывать» страницы программно без браузера.

Playwright — библиотека для управления реальным браузером из кода. Нужна для сайтов, которые рендерят контент через JavaScript.

Репрайсинг — автоматическое изменение собственных цен на основе данных о ценах конкурентов.

CSS-класс — атрибут HTML-элемента, используемый для оформления. Все карточки товаров в каталоге обычно имеют один и тот же класс — по нему парсер и находит данные.

robots.txt — файл на сайте, указывающий, какие страницы разрешено обходить автоматически. Проверяется по адресу site.ru/robots.txt.

User-Agent — заголовок HTTP-запроса, сообщающий серверу, что за программа обращается. Парсер должен использовать User-Agent браузера, иначе его сразу заблокируют.

Пагинация — постраничная навигация каталога. Скрипт обходит все страницы через параметр page= в URL.

Инструменты для работы с данными и автоматизации — в каталоге VibeCoderz. Если нужно настроить мониторинг цен под конкретный проект, запишитесь на консультацию к Максиму.

Обновлено: июнь 2026