# Jak zeskrobać dane o firmach i recenzjach z Yelp do badań rynkowych

Yelp zaostrzył swoją postawę anty-bot w ostatnim roku, a jego warunki zabraniają skrobania wprost. Oto jak dane są zorganizowane, jak docierają do nich rezydencjalne IP geo i jakie są zgodne ścieżki, które warto znać.

Yelp jest jednym z najbogatszych źródeł informacji o lokalnych firmach - oceny, teksty recenzji, dane kontaktowe i dane kategorii w milionach ofert. Jest również jednym z trudniejszych celów do zeskrobania. Warunki Yelp zabraniają skrobania wprost, a strona zauważalnie zaostrzyła swoją postawę anty-bot w ostatnim roku, więc proste skrypty, które działały wcześniej, teraz napotykają przeszkody. Ten przewodnik obejmuje, jak Yelp strukturuje swoje dane, jak geo-dopasowane rezydencjalne proxy docierają do nich, praktyczne ograniczenia i zgodne ścieżki, które warto znać, zanim cokolwiek zbudujesz.

## Co warto zeskrobać - i rzeczywistość ToS

Wartościowe pola to te oczywiste: nazwa firmy, adres, numer telefonu, ocena gwiazdkowa, liczba recenzji, kategoria i sam tekst recenzji z sentymentem recenzenta. Zebrane w całej metropolii, te dane napędzają analizę konkurencji, lokalne oszacowanie rynku i śledzenie sentymentu. Zanim zaczniesz, bądź świadomy zasad. Własne strony pomocy Yelp stwierdzają, że strona nie zezwala na skrobanie, indeksowanie ani wydobywanie jej treści zgodnie z Sekcją 6(b) jej Warunków Użytkowania. To nie czyni zbierania technicznie niemożliwym, ale oznacza, że jest to cel, gdzie ważysz wartość przeciwko warunkom, preferujesz publiczne dane nieosobowe i utrzymujesz skromny wolumen. Nasz przegląd [legalności skrobania sieci w 2026 roku](https://quantumproxies.io/blog/is-web-scraping-legal-2026) przedstawia szerszy obraz - i żadna z tych informacji nie jest poradą prawną.

## Jak Yelp strukturuje swoje dane

Najbardziej przydatna rzecz do wiedzenia: dane, które chcesz, rzadko są w widocznym HTML. Yelp ładuje swoje strony z JSON osadzonym w tagach `<script>`, a listy recenzji ładują się z wewnętrznych punktów końcowych JSON. Więc niezawodne podejście to pobranie osadzonego ładunku zamiast walczyć z kruchymi selektorami CSS przeciwko React DOM:

```python
import requests, re, json

proxy = "http://USER-country-us:PASS@residentialpremium.quantumproxies.io:8080"  # geo-matched
proxies = {"http": proxy, "https": proxy}
headers = {
    "User-Agent": "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) "
                  "AppleWebKit/537.36 (KHTML, like Gecko) Chrome/144.0.0.0 Safari/537.36",
    "Accept-Language": "en-US,en;q=0.9",
}

r = requests.get("https://www.yelp.com/biz/example-business-san-francisco",
                 headers=headers, proxies=proxies, timeout=25)

# Yelp embeds page state as JSON inside script tags
for blob in re.findall(r'<script[^>]+application/json[^>]*>(.*?)</script>', r.text, re.S):
    try:
        data = json.loads(blob)
    except ValueError:
        continue
    # inspect data for businessName, rating, reviewCount, phone
```

Strony z recenzjami paginują się z przesunięciem `start`, które zwiększa się w krokach około dziesięciu. Tutaj ma znaczenie praktyczny sufit: zautomatyzowane zbieranie Yelp zazwyczaj kończy się na około 240 wynikach na wyszukiwanie, ponieważ Yelp ogranicza, jak głęboko sięga jego własna paginacja wyników. Zaplanuj swoje pokrycie wokół tego limitu - segmentuj według miasta, kategorii i sąsiedztwa, zamiast próbować przeglądać bez końca jedno szerokie zapytanie:

```python
def yelp_search(term, loc, cap=240):
    """Page a Yelp search via the `start` offset (steps of 10, ~240 ceiling)."""
    results = []
    for start in range(0, cap, 10):
        r = requests.get("https://www.yelp.com/search",
                         params={"find_desc": term, "find_loc": loc, "start": start},
                         headers=headers, proxies=proxies, timeout=25)
        page = parse_hydration(r.text)   # your JSON extractor from above
        if not page:
            break                          # empty page = end of results
        results.extend(page)
    return results
```

Dwie uwagi dotyczące parsowania oszczędzają godziny. Tekst recenzji Yelp i metadane recenzenta znajdują się w osadzonym ładunku obok pól biznesowych, więc gdy już zlokalizujesz odpowiedni blok JSON, rzadko potrzebujesz drugiego żądania na stronę. A ponieważ strona jest aplikacją React, widoczne nazwy klas zmieniają się często, podczas gdy osadzona struktura danych jest znacznie bardziej stabilna - zakotwicz swoje wydobycie do kluczy JSON, a nie DOM, a twój scraper przetrwa przeprojektowania, które łamią narzędzia oparte na selektorach z dnia na dzień.

![Scraping Yelp uwzględniający lokalizację: wyszukiwana fraza i miasto przechodzą przez rezydencjalne wyjście w tej aglomeracji, JSON hydratacji w tagach script strony jest parsowany, a na wyjściu pojawiają się wiersze firm i recenzji; karta pokazuje, że to samo wyszukiwanie kawy zwraca inne firmy i inną kolejność z Nowego Jorku i z San Francisco.](https://res.cloudinary.com/dmqliab0t/image/upload/f_auto,q_auto,w_1200/v1785335177/blog/generated/qp-b9-042-diag1.png)
*Wyniki Yelp są specyficzne dla lokalizacji, więc miasto wyjścia decyduje, co widzisz. Parsuj osadzone JSON, a nie renderowany HTML.*

## Geo-targetowanie to cała gra

Yelp jest produktem lokalnym, więc wyniki w dużym stopniu zależą od tego, skąd wydaje się, że pochodzi żądanie. Wyszukiwanie "kawa" obsługiwane dla wyjścia w Nowym Jorku zwraca inne firmy i kolejność niż to samo wyszukiwanie z wyjścia w San Francisco. Jeśli twoje badania celują w konkretną metropolię, twój proxy musi wychodzić w tej metropolii - wszystko inne zwraca zniekształcone dane. [Pula proxy rezydencjalnych](https://quantumproxies.io/residential-proxies) z targetowaniem na poziomie miasta w ponad 200 krajach pozwala przypiąć wyjście do rynku, który analizujesz, co również utrzymuje cię w zakresie zaufania, którego warstwa anty-bot Yelp oczekuje dla lokalnego ruchu.

Kontrola geo również odblokowuje najbardziej wartościową analizę, którą wspiera Yelp: porównywanie tej samej kategorii w różnych metropoliach. Uruchom jedno zapytanie - "kawa", "hydraulicy", "siłownie" - w dziesięciu miastach z dziesięcioma dopasowanymi rezydencjalnymi wyjściami i otrzymujesz średnie oceny, wolumen recenzji i poziom cenowy miasto po mieście. Ten porównawczy zestaw danych jest kręgosłupem lokalnego oszacowania rynku, a żadne skrobanie z jednej lokalizacji nie może go wyprodukować.

[Zdobądź rezydencjalne proxy z geo-targetowaniem](https://quantumproxies.io/residential-proxies)

## Przechodzenie przez represje anty-bot

Od kiedy Yelp zaostrzył wykrywanie, trzy rzeczy oddzielają udane uruchomienie od tego, które zatrzymuje się na wyzwaniach. Używaj rezydencjalnych IP dopasowanych do docelowego geo, a nie zakresów centrów danych. Wysyłaj pełny, spójny zestaw nagłówków przeglądarki - prawdziwy User-Agent Chrome lub Safari z dopasowanymi `Accept` i `Accept-Language`, a nie domyślny ciąg biblioteki. I zachowuj konserwatywne tempo z jitterem, ponieważ wybuchy z jednego IP są najszybszym wyzwalaczem. Kiedy Yelp eskaluje do wyzwań JavaScript lub CAPTCHA, to sygnał, aby przestać ręcznie skrobać i przekazać stronę do [Scraper API](https://quantumproxies.io/scraper-api), które renderuje JavaScript, posiada prawdziwy odcisk przeglądarki i rotuje IP za ciebie - zazwyczaj wyższy wskaźnik sukcesu przy mniejszej ilości kodu.

![Trzy drogi do danych Yelp zasilające jeden zbiór danych: scraping publicznych stron, oficjalne Fusion API z kluczem i limitami oraz otwarty zbiór danych badawczych; karta je porównuje: scraping jest elastyczny i aktualny, ale napotyka tarcia z regulaminem, Fusion jest oficjalnie dozwolone, ale z okrojonymi recenzjami, a zbiór danych jest darmowy, lecz statyczny.](https://res.cloudinary.com/dmqliab0t/image/upload/f_auto,q_auto,w_1200/v1785335178/blog/generated/qp-b9-042-diag2.png)
*Rozważ trzy ścieżki, zanim zbudujesz: elastyczne skrobanie, zatwierdzone Fusion API lub darmowy, ale statyczny otwarty zestaw danych.*

## Zgodne alternatywy, które warto znać

Zanim zdecydujesz się na skrobanie, rozważ dwie zatwierdzone ścieżki. Oficjalne Fusion API Yelp zwraca szczegóły biznesowe i przycięty fragment danych recenzji pod kluczem API i limitami szybkości - mniejsza elastyczność, ale brak tarcia z ToS. Yelp publikuje również otwarty zestaw danych milionów recenzji, zdjęć i atrybutów biznesowych do użytku badawczego na podstawie własnej licencji; to statyczny zrzut, a nie dane na żywo, ale do treningu modeli lub analizy historycznej często wystarcza. Do monitorowania konkurencji i recenzji na żywo z różnych źródeł te same techniki można przenieść na [dane biznesowe Google Maps](https://quantumproxies.io/blog/scrape-google-maps-business-data), [recenzje Trustpilot](https://quantumproxies.io/blog/scrape-trustpilot-reviews) i [TripAdvisor](https://quantumproxies.io/blog/scrape-tripadvisor-reviews-data).

## Często zadawane pytania

### Czy skrobanie Yelp jest legalne?

Warunki Usługi Yelp wyraźnie zabraniają skrobania, indeksowania i wydobywania jego treści, więc zbieranie odbywa się wbrew zasadom strony, nawet gdy celuje w publiczne strony. Nazwy recenzentów są również danymi osobowymi zgodnie z RODO i podobnymi przepisami. Preferuj Fusion API lub otwarty zestaw danych, gdzie pasują, utrzymuj skromny wolumen i skonsultuj się z prawnikiem w przypadku działań na dużą skalę. To nie jest porada prawna.

### Ile wyników można zeskrobać na jedno wyszukiwanie Yelp?

Około 240 firm na wyszukiwanie średnio, ponieważ Yelp ogranicza, jak głęboko sięga jego paginacja wyników. Aby w pełni pokryć rynek, segmentuj swoje zapytania według miasta, kategorii i sąsiedztwa, zamiast przeglądać jedno szerokie wyszukiwanie - wiele wąskich zapytań przewyższa jedno głębokie.

### Dlaczego otrzymuję różne wyniki Yelp z różnych serwerów?

Ponieważ Yelp jest świadomy lokalizacji i personalizuje wyniki według geografii żądającego IP. Wyszukiwanie uruchomione z innego miasta lub kraju zwraca inne firmy i kolejność. Do dokładnych badań lokalnych użyj rezydencjalnego proxy, które wychodzi w dokładnej metropolii, którą analizujesz.

### Gdzie są dane na stronie Yelp?

Głównie w osadzonym JSON, a nie w widocznym HTML. Yelp ładuje swoje strony React z JSON wewnątrz tagów `<script>` i ładuje recenzje z wewnętrznych punktów końcowych JSON, więc parsowanie osadzonego ładunku jest bardziej niezawodne niż dopasowywanie selektorów CSS do DOM, który często się zmienia.

Yelp jest możliwy do zeskrobania przy odpowiednim podejściu - parsuj osadzony JSON, wychodź z docelowej metropolii na rezydencjalnych IP, respektuj limit ~240 na wyszukiwanie i zachowuj konserwatywne tempo. Ale rozważ to w kontekście warunków Yelp i zgodnego Fusion API oraz otwartego zestawu danych najpierw. Kiedy warstwa anty-bot eskaluje, zarządzane Scraper API to pragmatyczny kolejny krok.

[Zeskrobać trudne lokalne cele z Scraper API](https://quantumproxies.io/scraper-api)