Yelp Scrapen: Geschäftsdaten und Reviews 2026 extrahieren

Wichtiger Hinweis: Dieser Artikel behandelt ausschließlich den Zugriff auf öffentliche Daten, die ohne Anmeldung auf Yelp sichtbar sind. Bevor Sie Yelp scrapen, prüfen Sie die Yelp Terms of Service, das US-Computer Fraud and Abuse Act (CFAA) sowie die DSGVO/GDPR in der EU. Das automatisierte Auslesen kann gegen Plattform-AGB verstoßen; personenbezogene Daten aus Reviews unterliegen zusätzlich dem Datenschutzrecht. Die hier gezeigten Techniken dienen Bildungszwecken und legitimem Public-Data-Zugang.

Yelp Scrapen im Jahr 2026: Was möglich ist und was nicht

Wer Yelp scrapen möchte, steht vor einem Paradox: Die Plattform zeigt Millionen von Geschäftsprofilen, Bewertungen und Kategorien frei zugänglich im Browser, wehrt sich aber massiv gegen automatisierte Abrufe. Für Entwickler, die lokale-Business-Datensätze oder Yelp Review Scraper-Pipelines aufbauen, ist es entscheidend zu wissen, welche Daten ohne Login erreichbar sind, wie Yelps Anti-Bot-System funktioniert und wie rotierende Residential-Proxys den Zugriff zuverlässig halten.

Öffentlich zugänglich ohne Anmeldung sind:

• Geschäftsprofile unter /biz/<slug> mit Name, Adresse, Telefon, Öffnungszeiten, Kategorien und Preisbereich.
• Die Gesamtbewertung (Sterne-Durchschnitt) und die Anzahl der Reviews.
• Einzelne Review-Texte, Autoren-Anzeige (Vorname + initial), Sterne und Datum — allerdings nur ein begrenzter Vorschau-Satz pro Seite.

Die offizielle Yelp Fusion API bietet zwar einen sauberen REST-Zugang, limitiert Reviews aber auf maximal drei Einträge pro Business. Wer umfassendere Review-Datensätze oder historische Bewertungen benötigt, muss auf Web-Scraping zurückgreifen — und dabei Yelps Verteidigungsschichten überwinden.

Technischer Kontext: Yelps Anti-Bot-Verteidigung

PerimeterX / HUMAN und das _px3-Cookie

Yelp nutzt PerimeterX (mittlerweile unter HUMAN Security firmierend) als primäre Bot-Defense-Schicht. Beim ersten Seitenaufruf wird ein JavaScript-Sensor geladen, der Browser-Eigenschaften sammelt — Canvas-Rendering, WebGL-Parameter, Schriftarten, Timing-Daten — und daraus ein _px3-Cookie berechnet. Fehlt dieses Cookie oder ist die Sensor-Signatur verdächtig, erscheint nach wenigen Requests eine CAPTCHA-Challenge oder ein HTTP-429-Status.

Reine Datacenter-IPs werden von PerimeterX besonders schnell blockiert. In der Praxis genügen oft 5 bis 15 Requests von einer Datacenter-IP, bevor die IP-Reputation-Score-Schwelle überschritten ist und die Blockade greift.

TLS-Fingerprinting

Über den reinen User-Agent hinaus prüft PerimeterX den TLS-Handshake-Fingerprint (JA3/JA4). Ein Python-requests-Client mit Standard-urllib3-Stack erzeugt einen anderen TLS-Fingerprint als Chrome oder Firefox. Diese Diskrepanz ist ein starkes Bot-Signal. Tools wie curl_cffi oder tls-client können Chrome-kompatible TLS-Fingerprints emulieren und reduzieren dieses Risiko erheblich.

CAPTCHA nach wenigen Datacenter-Requests

Wenn PerimeterX eine IP als suspekt einstuft, wird ein interstitielles CAPTCHA ausgeliefert. Ohne Headless-Browser-Lösung mit CAPTCHA-Solver ist dann kein Weiterkommen. Die effizientere Strategie: gar nicht erst blockiert werden — durch Residential-Proxys, realistische Header und moderate Request-Raten.

Warum rotierende Residential-Proxys mit US-Geo nötig sind

Yelp ist eine US-zentrierte Plattform; die meisten Geschäftsdaten stammen von US-Standorten. PerimeterX bewertet IP-Reputation nach ASN-Typ, geografischer Konsistenz und historischem Verhalten. Residential-IPs von echten ISPs haben eine deutlich höhere Vertrauenswürdigkeit als Datacenter-ASNs.

Für lokalisierte Ergebnisse — z. B. Restaurants in Austin, TX — ist die Geo-Konsistenz zusätzlich wichtig. Eine Anfrage aus einer frankfurter Datacenter-IP, die nach "Restaurants in Austin" sucht, ist ein sofortiges Bot-Signal. Mit ProxyHat können Sie die Geo-Targeting-Flags im Username setzen:

http://user-country-US-region-texas-city-austin:pass@gate.proxyhat.com:8080

Dadurch erhalten Sie eine US-Residential-IP, die geografisch zu Ihrer Suchanfrage passt — was die IP-Reputation-Score belastet und Blockaden minimiert. Weitere verfügbare Standorte finden Sie auf unserer Proxy-Locations-Seite.

Praktische Implementierung: Yelp scrapen mit Python und ProxyHat

Beispiel 1: Geschäftsprofil und Reviews via requests + ProxyHat

Das folgende Beispiel ruft ein Yelp-Geschäftsprofil über ProxyHat ab und extrahiert die eingebettete __INITIAL_STATE__-JSON-Struktur, die die Review-Vorschau enthält. Wir verwenden curl_cffi für einen Chrome-kompatiblen TLS-Fingerprint.

import re, json
from curl_cffi import requests

# ProxyHat Residential-Proxy mit US-Geo und Sticky Session
proxy_url = "http://user-country-US-region-texas-city-austin-sid-biz001:pass@gate.proxyhat.com:8080"

proxies = {"http": proxy_url, "https": proxy_url}

headers = {
    "accept": "text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8",
    "accept-language": "en-US,en;q=0.9",
    "user-agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/131.0.0.0 Safari/537.36",
}

url = "https://www.yelp.com/biz/kerbey-lane-cafe-austin"

resp = requests.get(url, headers=headers, proxies=proxies, impersonate="chrome131", timeout=30)

if resp.status_code != 200:
    print(f"Blockiert: HTTP {resp.status_code}")
    exit()

# __INITIAL_STATE__ aus dem HTML extrahieren
match = re.search(r'window\.__INITIAL_STATE__\s*=\s*({.*?});', resp.text, re.DOTALL)
if match:
    state = json.loads(match.group(1))
    biz = state.get("biz", {})
    reviews = biz.get("reviews", [])

    # Erste (gekürzte) Review ausgeben
    if reviews:
        r = reviews[0]
        print({
            "author": r.get("author", {}).get("displayName", ""),
            "rating": r.get("rating"),
            "date": r.get("publishedDate", ""),
            "text": r.get("comment", "")[:200] + "...",
        })

Dieser Ansatz vermeidet HTML-Parsing-Fragilität, da Yelp die initialen Review-Daten als JSON in die Seite einbettet. Die __INITIAL_STATE__-Struktur enthält typischerweise die ersten 10 bis 20 Reviews pro Business — deutlich mehr als die drei der Fusion API.

Beispiel 2: Paginierte Reviews mit Sticky Session

Für Reviews jenseits der ersten Seite nutzt Yelp einen AJAX-Endpunkt /biz_async/<slug>/review_feed. Die Pagination erfordert eine konsistente Session, damit PerimeterX den _px3-Cookie nicht zurücksetzt.

import time
from curl_cffi import requests

session_id = "yelp-biz-001"
proxy = f"http://user-country-US-region-texas-city-austin-sid-{session_id}:pass@gate.proxyhat.com:8080"
proxies = {"http": proxy, "https": proxy}

headers = {
    "accept": "application/json",
    "user-agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/131.0.0.0 Safari/537.36",
    "referer": "https://www.yelp.com/biz/kerbey-lane-cafe-austin",
}

all_reviews = []
start = 0

for page in range(5):
    feed_url = f"https://www.yelp.com/biz_async/kerbey-lane-cafe-austin/review_feed?start={start}"
    resp = requests.get(feed_url, headers=headers, proxies=proxies, impersonate="chrome131", timeout=30)

    if resp.status_code == 200:
        data = resp.json()
        reviews = data.get("reviews", [])
        if not reviews:
            break
        all_reviews.extend(reviews)
        start += len(reviews)
        time.sleep(3)  # Rate-Limit-Pacing
    else:
        print(f"Seite {page}: HTTP {resp.status_code} — Session rotieren")
        break

print(f"Gesammelt: {len(all_reviews)} Reviews")

Beispiel 3: Node.js über SOCKS5 (Port 1080)

Für Node.js-Anwendungen kann ProxyHat über SOCKS5 auf Port 1080 angesprochen werden. Das folgende Beispiel verwendet socks-proxy-agent zusammen mit undici für moderne HTTP-Requests.

const { SocksProxyAgent } = require('socks-proxy-agent');
const fetch = require('undici').fetch;

const socksUrl = 'socks5://user-country-US-sid-node01:pass@gate.proxyhat.com:1080';
const agent = new SocksProxyAgent(socksUrl);

const headers = {
  'accept': 'text/html,application/xhtml+xml',
  'accept-language': 'en-US,en;q=0.9',
  'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/131.0.0.0 Safari/537.36',
};

async function scrapeYelp(slug) {
  const url = `https://www.yelp.com/biz/${slug}`;
  const resp = await fetch(url, { headers, dispatcher: agent, signal: AbortSignal.timeout(30000) });

  if (!resp.ok) {
    console.error(`HTTP ${resp.status}`);
    return null;
  }

  const html = await resp.text();
  const match = html.match(/window\.__INITIAL_STATE__\s*=\s*({.*?});/s);
  if (!match) return null;

  const state = JSON.parse(match[1]);
  const reviews = state?.biz?.reviews ?? [];

  return reviews.slice(0, 3).map(r => ({
    author: r?.author?.displayName ?? '',
    rating: r?.rating,
    text: (r?.comment ?? '').slice(0, 150) + '...',
  }));
}

scrapeYelp('kerbey-lane-cafe-austin').then(console.log).catch(console.error);

http://user-sid-biz-001:pass@gate.proxyhat.com:8080