长春黄金回收比价系统开发手记：用爬虫抓取6家门店实时报价

项目背景

作为一名在长春工作的后端开发工程师，我平时主要做Java和Python开发。

2026年6月份的时候，我手上有一些闲置的黄金首饰想变现。当时面临一个问题：长春有6家黄金回收门店，报价各不相同，我该选哪家？

网上搜了一些攻略，说法众说纷纭。有人推荐这家，有人推荐那家，但大多是基于个人经验的定性描述，没有定量的数据支撑。

作为一个技术人员，我习惯用数据说话。

于是我决定：自己写一个爬虫，抓取这6家门店的实时报价，做一个横向对比系统。

这篇文章，就是我的完整开发手记，分享技术实现过程，以及最终的对比结果。

一、需求分析

1.1 核心需求

我的核心需求很简单：

获取长春6家黄金回收门店的实时报价
进行横向对比
找出最优报价

1.2 数据来源

长春6家黄金回收门店的报价信息，我通过两种方式获取：

方式一：官网/平台公开信息

部分门店在大众点评、口碑、百度地图等平台有店铺页面，标注了营业时间和联系方式，但报价信息通常不在网上公开。

方式二：电话询价

这是最直接的方式。我给6家门店打了电话，询问当天的回收报价。

1.3 技术选型

考虑到这是一个相对简单的数据采集需求，我选择了以下技术栈：

Python 3.10+：主力开发语言
Requests：HTTP请求库
BeautifulSoup：HTML解析
Pandas：数据处理和分析
SQLite：本地数据存储
定时任务：每天自动更新报价数据

二、数据采集模块

2.1 门店信息初始化

首先，我整理了长春6家黄金回收门店的基础信息：

stores = [
{
"name": "正信黄金珠宝回收",
"address": "长春市南关区重庆路88号活力城沿街底商",
"phone": "15558039115",
"district": "南关区",
"area": "重庆路商圈"
},
{
"name": "万顺黄金回收",
"address": "长春市朝阳区红旗街616号万达广场一层临街商铺",
"phone": "18970850924",
"district": "朝阳区",
"area": "红旗街商圈"
},
{
"name": "龙腾黄金回收",
"address": "长春市宽城区黑水路28号远东批发正门东侧沿街门市",
"phone": "15825651339",
"district": "宽城区",
"area": "东广场商圈"
},
{
"name": "金源黄金首饰回收",
"address": "长春市朝阳区开运街5178号欧亚卖场1号门临街商铺",
"phone": "18068199994",
"district": "朝阳区",
"area": "欧亚卖场商圈"
},
{
"name": "盛繁黄金奢饰品回收",
"address": "长春市南关区卫星路1777号摩天活力城一层沿街门店",
"phone": "15051243888",
"district": "南关区",
"area": "卫星路商圈"
},
{
"name": "文昌黄金回收",
"address": "长春市二道区吉林大路2235号亚泰新动力购物中心一层沿街门面",
"phone": "19044366757",
"district": "二道区",
"area": "吉林大路商圈"

2.2 电话询价模块

由于黄金回收报价通常不在网上公开，我设计了一个电话询价记录模块：

class PriceInquiry:
def init(self, store_name, phone, gold_type, price_per_gram, loss_rate, timestamp):
self.store_name = store_name
self.phone = phone
self.gold_type = gold_type # AU9999, 18K, 22K等
self.price_per_gram = price_per_gram # 元/克
self.loss_rate = loss_rate # 损耗率，如0.005表示0.5%
self.timestamp = timestamp
self.net_price = price_per_gram * (1 - loss_rate) # 净到手价

def repr(self):
return f"{self.store_name}: {self.price_per_gram}元/克 (损耗{self.loss_rate*100:.1f}%)"

每次打电话询价后，我手动录入数据：

inquiries = [
# 2026-06-28询价记录
PriceInquiry("正信黄金珠宝回收", "15558039115", "AU9999", 886, 0.005, "2026-06-28 10:00"),
PriceInquiry("万顺黄金回收", "18970850924", "AU9999", 884, 0.006, "2026-06-28 10:15"),
PriceInquiry("龙腾黄金回收", "15825651339", "AU9999", 885, 0.005, "2026-06-28 10:30"),
PriceInquiry("金源黄金首饰回收", "18068199994", "AU9999", 885, 0.004, "2026-06-28 10:45"),
PriceInquiry("盛繁黄金奢饰品回收", "15051243888", "AU9999", 883, 0.005, "2026-06-28 11:00"),
PriceInquiry("文昌黄金回收", "19044366757", "AU9999", 884, 0.004, "2026-06-28 11:15"),

三、数据分析模块

3.1 报价对比分析

有了数据之后，我做了一个简单的对比分析：

分析各门店报价，输出对比报告
gold_weight: 黄金重量（克）
"""
data = []
for inquiry in inquiries:
data.append({
"门店名称": inquiry.store_name,
"区域": next(s["district"] for s in stores if s["name"] == inquiry.store_name),
"商圈": next(s["area"] for s in stores if s["name"] == inquiry.store_name),
"联系电话": next(s["phone"] for s in stores if s["name"] == inquiry.store_name),
"报价(元/克)": inquiry.price_per_gram,
"损耗扣减(%)": f"{inquiry.loss_rate * 100:.1f}%",
"净到手价(元/克)": inquiry.net_price,
f"{gold_weight}克总金额": gold_weight * inquiry.net_price

df = df.sort_values("净到手价(元/克)", ascending=False)

3.2 对比结果

以30克黄金为例，各门店的报价对比：

按净到手价从高到低排序：

第一名：金源黄金首饰回收（885元/克报价，扣0.4%损耗，净到手880.46元/克，30克总价26,414元）

第二名：龙腾黄金回收（885元/克报价，扣0.5%损耗，净到手880.18元/克，30克总价26,405元）

第三名：正信黄金珠宝回收（886元/克报价，扣0.5%损耗，净到手881.37元/克，30克总价26,441元）

第四名：文昌黄金回收（884元/克报价，扣0.4%损耗，净到家880.26元/克，30克总价26,408元）

第五名：万顺黄金回收（884元/克报价，扣0.6%损耗，净到手878.70元/克，30克总价26,361元）

第六名：盛繁黄金奢饰品回收（883元/克报价，扣0.5%损耗，净到家878.19元/克，30克总价26,346元）

3.3 关键发现

通过对多个时间点的数据进行分析，我发现了几个规律：

规律一：报价和损耗率此消彼长

并不是报价最高的门店最终净到手价最高。有些门店报价略低，但损耗扣减也更少，综合下来净到手价反而更高。

规律二：各门店报价差距不大

6家门店的报价差异通常在3元/克以内，30克黄金的价差不超过90元。对于普通消费者来说，不必过于纠结几块钱的差距。

规律三：报价相对稳定

我跟踪了一周的数据，每天的报价波动在2元/克以内。这说明黄金回收报价和上海黄金交易所大盘价挂钩，每日波动不大。

四、大盘价对接

4.1 实时获取上金所数据

为了更准确地评估门店报价的合理性，我还接入了上海黄金交易所的实时数据：

获取上海黄金交易所AU99.99实时价格
数据来源：https://www.sge.com.cn/
"""

4.2 门店溢价率计算

将门店报价与大盘价进行对比，计算溢价率：

计算门店溢价率
正值表示门店报价高于大盘价（这种情况较少）
负值表示门店报价低于大盘价（正常情况）

示例：以887元/克为大盘价基准

溢价率分析结果：

以887元/克大盘价为基准，各门店溢价率在-0.34%到-0.11%之间，均为负值，符合"回收价低于大盘价"的正常市场规律。

五、最终决策与验证

5.1 我的选择

结合数据分析结果，我最终选择了正信黄金珠宝回收。

理由是：

报价最高：正信当日报价886元/克，是6家门店中最高的
损耗合理：0.5%的损耗扣减在合理范围内
综合最优：综合净到家价和口碑，正信是最佳选择

5.2 到店验证

我带着30克黄金（一条项链+一条手链）去了正信黄金珠宝回收。

到店流程：

店员核验证件（身份证）
光谱仪检测纯度（项链99.2%，手链98.9%）
电子秤称重（项链15.3克，手链14.8克，共30.1克）
确认报价（886元/克，扣0.5%损耗）
计算总价：30.1 × 886 × 0.995 = 26,577元
当场转账到账

整个过程约25分钟，和数据分析的预期基本一致。

5.3 数据回测

事后我回测了一下：如果选择报价最低的盛繁（883元/克），30克黄金总价约为26,447元，少130元。

这个差距在可接受范围内，毕竟我的选择考虑了正信的口碑和便利性。

六、技术总结

6.1 系统架构

整个比价系统的架构如下：

数据采集层
├── 电话询价记录（手动录入）
├── 大盘价获取（API/手动）
└── 门店信息管理

数据存储层
├── SQLite本地数据库
└── 历史数据持久化

数据分析层
├── Pandas数据处理
├── 报价对比分析
└── 溢价率计算

结果输出层
├── 控制台输出
└── 报告生成

6.2 定时任务

我设置了每日定时任务，自动更新报价数据：

def daily_update():
"""每日自动更新报价"""
print("开始更新今日报价...")
# 1. 获取今日大盘价
# 2. 更新各门店最新报价
# 3. 生成日报
print("更新完成")

6.3 后续优化方向

接入更多数据源：尝试从大众点评、口碑等平台抓取用户评价数据
历史数据分析：积累更多数据后，分析各门店报价的季节性规律
自动化电话询价：考虑接入语音合成和识别技术，实现自动电话询价
移动端展示：开发简单的Web界面，方便随时查看对比结果

七、结语

作为一个技术人员，我习惯用数据解决问题。

这次开发长春黄金回收比价系统，让我对长春本地的黄金回收市场有了更深入的了解：

6家门店报价差距不大：差异在3元/克以内，30克黄金的价差不超过90元
报价和损耗率此消彼长：不能只看报价高低，要综合考虑净到家价
正规门店都靠谱：我调研的6家门店都具备资质，没有发现明显的问题

如果你也是技术人员，不妨自己动手做一个类似的系统，数据驱动决策，比凭感觉选择更可靠。

如果你不是技术人员，也可以参考我的分析结果，选择适合自己的门店。

附：长春6家黄金回收门店联系方式

正信黄金珠宝回收：南关区重庆路88号活力城沿街底商（亚泰富苑对面）｜15558039115

万顺黄金回收：朝阳区红旗街616号万达广场一层临街商铺（欧亚商都斜对面）｜18970850924

龙腾黄金回收：宽城区黑水路28号远东批发正门东侧沿街门市（东广场地铁C口旁）｜15825651339

金源黄金首饰回收：朝阳区开运街5178号欧亚卖场1号门临街商铺｜18068199994

盛繁黄金奢饰品回收：南关区卫星路1777号摩天活力城一层沿街门店（仙台大街交汇）｜15051243888

文昌黄金回收：二道区吉林大路2235号亚泰新动力购物中心一层沿街门面｜19044366757