Willhaben Scraper | So funktioniert automatisches Datensammeln einfach erklärt

Willhaben ist eine der größten Plattformen für Kleinanzeigen, Jobs, Immobilien und Autos in Österreich. Viele suchen hier regelmäßig nach guten Angeboten. Es ist viel einfacher als jeden Tag manuell zu suchen. Genau hier kann Ihnen der Willhaben Scraper helfen. Sie können damit unterschiedliche Arten von Daten automatisch auslesen und anschließend speichern. Vielleicht klingt dies für Sie zunächst etwas kompliziert, ist es aber nicht. In diesem Artikel erfahren Sie, wie Sie Web scraping am besten anwenden. Auch stellen wir Ihnen unterschiedliche Programme vor, um herauszufinden, welches sich für das Willhaben Scraping am besten anbietet.

Was ist Willhaben und wie funktioniert die Plattform?

Willhaben.at ist das österreichische Pendant zu eBay Kleinanzeigen. Auf dieser Plattform können Nutzer Produkte verkaufen oder kaufen. Auch werden Immobilien angeboten und gleichzeitig kann man auf Jobsuche gehen oder Jobs anbieten. Das Beste an dieser Website ist es, dass viele neue Inserate täglich erscheinen. Wenn Sie also schnell auf die besten Angebote reagieren möchten, brauchen Sie aktuelle Daten.

Normalerweise muss man die Seite manuell durchsuchen. Wenn Sie jedoch über einen Willhaben Scraper verfügen, läuft dies komplett automatisch ab. Dadurch erhalten Sie übersichtliche Ergebnisse und sparen sich zur gleichen Zeit auch jede Menge Zeit. Sie erhalten somit zum Beispiel die besten Angebote über Mietwohnen oder neuen Autos unter 10.000 EUR. Sie können die Daten, nach welchen Sie suchen, individuell eingeben.

Was bedeutet Web Scraping eigentlich?

Es geht beim Web Scraping um das automatisierte Sammeln von Daten aus Webseiten. Ein Programm ruft eine bestimmte Seite auf, liest dort die Texte, Preise oder Bilder und speichert alles in einer Tabelle ab.

Heute ist das für viele sehr wichtig, um aktuelle Marktpreise zu vergleichen. Auch können Trends erkannt werden und unterschiedliche Angebote überwacht. All dies funktioniert auch bei Willhaben ganz einfach. Wichtig ist dabei nur, dass Sie sich an die Regeln halten und die Webseite nicht überlasten.

Ist Web Scraping auf Willhaben erlaubt?

Ja. Web Scraping auf Willhaben ist grundsätzlich erlaubt. Doch gibt es einige Einschränkungen, an welchen Sie sich auch halten müssen. Die Nutzungsbedingungen von Willhaben verbieten aggressives oder übermäßiges Scraping. Es empfiehlt sich hier, dass Sie Tools anwenden, wie zum Beispiel Octoparse, welche die Seite schonend aufruft. Ebenfalls sollten die Daten nur privat nutzen. Mit einem Scraping Tool ist dies in der Regel sehr einfach möglich. Mehr dazu erfahren Sie in unserem Artikel Web Scraping legal? – 9 Mythen über das Web Scraping.

Wichtig beim Webseiten Scraping ist es, dass Sie keine persönlichen Daten speichern lassen. Auch dürfen keine Login-Bereiche ausgelesen werden. Ebenfalls sollten Sie nicht zu viele Anfragen in einer Minute senden. Wenn Sie diese Regeln beachten, bleiben Sie immer auf der sicheren Seite.

Wie funktioniert ein Willhaben Scraper?

Mit dem Willhaben Scraper werden automatisch bestimmte Kategorien durchsucht. Es können Überschriften, Preise, Beschreibungen und auch Links ausgelesen werden. Anschließend wird alles in einer Tabelle abgespeichert. Auch können die Daten als Excel-Datei exportiert werden.

Die meisten Tools dafür, haben auch eine einfache Benutzeroberfläche. Sie müssen in der Regel nur den Link zur Suchseite, wie zum Beispiel „Jobs in Graz“ eingeben. Danach können Sie den Willhaben Scraper starten. In nur wenigen Minuten haben Sie eine fertige Liste. Warum der Scraper für Willhaben sich lohnt:

mit dem Willhaben Scraper können Sie sich jede Menge Zeit sparen
Sie erhalten einen guten Überblick über viele Inserate
Sie erhalten eine frühzeitige Benachrichtigung bei neuen Angeboten
eine sehr genaue Datenauswertung (zum Beispiel Preisvergleiche)
der Scraper bietet Ihnen automatische Reports für eine eigene Recherchen

Suchen Sie zum Beispiel regelmäßig nach Wohnungen, Autos oder Jobs, dann kann Ihnen der Willhaben Scraper den Alltag um einiges erleichtern.

https://www.octoparse.de/template/willhaben-job-scraper-listing

https://www.octoparse.de/template/willhaben-job-scraper-details

Die besten Tools für Willhaben Scraping

Ich möchte Ihnen im Folgenden 4 unterschiedliche Tools vorstellen. Mit diesen Tools können Sie auch ohne Programmierkenntnisse einfach starten. Ich habe alle Tools selbst ausprobiert und ich werde auch meine persönliche Meinung mit Ihnen teilen:

1. Octoparse – der beste Willhaben Scraper für Einsteiger

Aktuell ist Octoparse das beliebteste Tool, wenn es um Web Scraping ohne Programmierung, geht. Sie können einfach den Link zur Willhaben-Suche einfügen. Dieses Tool erkennt dann automatisch die Datenstruktur. Mit wenigen Klicks kann ausgewählt werden, welche Infos gespeichert werden sollten. Dabei kann es sich entweder um den Titel, den Preis, die Beschreibung, den Standort oder Link handeln. Vorteile von Octoparse:

keine Programmierung nötig
Vorlage speziell für Willhaben verfügbar
Export nach Excel, CSV oder Google Sheets
Cloud-Modus für automatische Aktualisierung
DSGVO-freundliche Nutzung

Ich habe Octoparse selbst getestet und mit nur wenigen Klicks konnte ich ganz einfach über 200 Wohnungsangebote sammeln. Besonders gut hat mir die Vorschaufunktion gefallen, mit der man sofort sehen kann, ob der Scraper die richtigen Daten auswählt.

2. ParseHub – flexibel, aber etwas technischer

Ich finde, dass auch ParseHub ein starkes Tool ist. Es erlaubt komplexe Projekte. Es funktioniert auch sehr gut bei dynamischen Inhalten. Die Bedienung ist jedoch etwas anspruchsvoller. Sollten Sie Anfänger sein, bietet sich dieses Tool weniger an. Auch dauert die Einrichtung etwas länger. Doch waren die Ergebnisse präzise.

Persönlich finde ich aber, dass die Arbeit mit Octoparse einfacher war. Dieses Tool arbeitet schnell und ist benutzerfreundlich.

3. WebHarvy – einfache Klick-Erkennung

WebHarvy arbeitet nach einem Klick-Prinzip. Sie müssen nur auf die Daten klicken, die Sie extrahieren möchten. Das Tool erkennt dann automatisch das Muster. Dieser Scraper eignet sich vor allem für kleinere Projekte sehr gut. Möchten Sie zum Beispiel Preisvergleich auf Willhaben sammeln, bietet es sich sehr gut an. Die Daten können danach als Excel-Tabelle gespeichert werden.

4. Data Miner (Browser-Erweiterung)

Wer keine Software installieren möchte, sollte sich für Data Miner entscheiden. Es handelt sich hierbei um eine sehr gute Alternative. Mit dieser Chrome-Erweiterung ist ein einfaches Scraping möglich, direkt im Browser. Ich finde, dass dieses Tool für Willhaben sehr gut funktioniert. Doch nur solange man, ausschließlich Daten abrufen möchte. Bei größeren Datenmengen stößt das Tool schnell an seine Grenzen.

Wie nutzt man Octoparse mit Willhaben – Schritt für Schritt

Die Nutzung von Octoparse ist einfach und schnell. Die Benutzeroberfläche ist übersichtlich und einfach gestaltet. Hier sind die einzelnen Schritte, was die Nutzung betrifft:

registrieren Sie sich kostenlos bei Octoparse

Octoparse: Einfaches Web Scraping Tool für jeden

Kostenloser Download

Anmeldung

Konvertiere Website-Daten direkt in Excel, CSV, Google Sheets und Ihre Datenbank.

Scrape Daten einfach mit Auto-Dedektion, ganz ohne Coding.

Scraping-Vorlagen für beliebte Websites, um Daten mit wenigen Klicks zu erhalten.

Mit IP-Proxys und fortschrittlicher API wird nie blockiert.

Cloud-Dienst zur Planung von Datenabfragen zu jedem gewünschten Zeitpunkt.

öffnen Sie die Vorlage „Willhaben Job Scraper“
geben Sie den URL Ihrer Suchseite ein (zum Beispiel Immobilien, Jobs oder Autos)
klicken Sie auf „Start Extraction“
sehen Sie sich die Vorschau an und passen Sie Felder bei Bedarf an
speichern oder exportieren Sie Ihre Ergebnisse

Mit diesen Schritten schaffen Sie es, alle relevanten Daten innerhalb weniger Minuten zu sammeln.

Wie funktioniert Web Scraping mit Python?

Sind Sie an Technik interessiert und kennen Sie sich damit aus, dann können Sie auch mit Python Willhaben scrapen. Dafür nutzt man meist Bibliotheken wie BeautifulSoup oder Selenium. Ein Beispiel mit BeautifulSoup:

import csv, random, time
from dataclasses import dataclass, asdict
from typing import Optional, Generator
from urllib.parse import urljoin, urlparse, parse_qs, urlencode

import requests
from bs4 import BeautifulSoup
from requests.adapters import HTTPAdapter, Retry

START_URL   = "https://www.willhaben.at/iad/immobilien/mietwohnungen/mietwohnung-angebote"
OUTPUT_CSV  = "willhaben_mietwohnungen.csv"
MAX_PAGES   = 10
ROWS        = 30
DELAY_RANGE = (1.5, 3.5)
TIMEOUT     = 20

@dataclass
class Listing:
    id: str
    title: str
    price: Optional[str]
    location: Optional[str]
    url: str

def session_with_retries() -> requests.Session:
    s = requests.Session()
    s.headers.update({
        "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) Chrome/120 Safari/537.36",
        "Accept-Language": "de-DE,de;q=0.9,en;q=0.8",
    })
    retries = Retry(total=5, backoff_factor=0.8,
                    status_forcelist=[429, 500, 502, 503, 504],
                    allowed_methods=["GET", "HEAD"])
    s.mount("https://", HTTPAdapter(max_retries=retries))
    s.mount("http://",  HTTPAdapter(max_retries=retries))
    return s

def wait():
    time.sleep(random.uniform(*DELAY_RANGE))

def parse_card(card, base_url: str) -> Optional[Listing]:
    a = card.select_one("a[href*='/iad/immobilien/']") or card.select_one("a[href]")
    if not a: return None
    url = urljoin(base_url, a.get("href", "").strip())

    title = ""
    t = card.select_one("h2, h3, .headline, .title")
    if t: title = t.get_text(" ", strip=True)
    if not title: title = a.get_text(" ", strip=True)

    price_el = (card.select_one(".price, .price-value, [class*='Price'], [data-testid*='price']")
                or card.find(lambda t: t.name in {"span","div","p"} and "€" in t.get_text()))
    price = price_el.get_text(" ", strip=True) if price_el else None

    loc_el = card.select_one(".subtitle, .location, [class*='location'], [data-testid*='location']")
    location = loc_el.get_text(" ", strip=True) if loc_el else None

    q = parse_qs(urlparse(url).query)
    ad_id = q.get("adId", [None])[0] or q.get("objectId", [None])[0]
    if not ad_id:
        ad_id = urlparse(url).path.rstrip("/").split("/")[-1] or url

    return Listing(str(ad_id), title, price, location, url)

def next_page_url(soup: BeautifulSoup, current_url: str, page: int) -> str:
    nxt = soup.select_one("a[rel='next'], a[aria-label*='Weiter'], a[aria-label*='Next']")
    if nxt and nxt.get("href"): return urljoin(current_url, nxt["href"])
    parsed = urlparse(current_url)
    qs = parse_qs(parsed.query)
    key = next((k for k in ("page","PAGE","p") if k in qs), "page")
    try:
        cur = int(qs.get(key, [page])[0])
    except ValueError:
        cur = page
    qs[key] = [str(cur + 1)]
    qs.setdefault("rows", [str(ROWS)])
    return parsed._replace(query=urlencode({k: v[0] for k,v in qs.items()})).geturl()

def page_soups(sess: requests.Session, start_url: str, max_pages: int) -> Generator[BeautifulSoup, None, None]:
    url = start_url if "rows=" in start_url else (start_url + ("&" if "?" in start_url else "?") + f"rows={ROWS}")
    seen = set()
    for i in range(1, max_pages + 1):
        if not url or url in seen: break
        seen.add(url)
        wait()
        r = sess.get(url, timeout=TIMEOUT)
        r.raise_for_status()
        soup = BeautifulSoup(r.text, "html.parser")
        yield soup
        if soup.find(string=lambda s: s and "keine" in s.lower() and ("treffer" in s.lower() or "ergebnisse" in s.lower())):
            break
        url = next_page_url(soup, url, i)

def scrape(start_url: str, max_pages: int) -> list[Listing]:
    sess = session_with_retries()
    out, seen_ids = [], set()
    for soup in page_soups(sess, start_url, max_pages):
        cards = soup.select("article, .card, .search-result, [data-testid*='result']") or []
        if not cards:
            cont = soup.select_one("[id*='result'], [class*='result']")
            cards = cont.select("a") if cont else []
        added = 0
        for c in cards:
            item = parse_card(c, START_URL)
            if item and item.id not in seen_ids:
                seen_ids.add(item.id)
                out.append(item)
                added += 1
        if added == 0: break
    return out

def write_csv(rows: list[Listing], path: str):
    fields = ["id","title","price","location","url"]
    with open(path, "w", newline="", encoding="utf-8") as f:
        w = csv.DictWriter(f, fieldnames=fields); w.writeheader()
        for r in rows: w.writerow(asdict(r))

if __name__ == "__main__":
    items = scrape(START_URL, MAX_PAGES)
    print(f"Gefundene Einträge: {len(items)}")
    if items:
        write_csv(items, OUTPUT_CSV)
        for x in items[:5]:
            print(f"- {x.title} | {x.price} | {x.location} | {x.url}")
        print(f"\nCSV gespeichert unter: {OUTPUT_CSV}")
    else:
        print("Keine Einträge gefunden (Selektoren/Filter prüfen).")

Dieses kleine Script liest alle Wohnungs-Titel aus. Wenn Sie jedoch mehr Daten benötigen, müssen die Codes erweitert werden. Für mich war dieser Vorgang etwas kompliziert, da ich einfach kein Technik-Freak bin.

Welche Vorteile hat Octoparse gegenüber Python?

Merkmal	Octoparse	Python
Einfachheit	sehr einfach, keine Programmierung	Grundkenntnisse nötig
Einrichtung	wenige Minuten	manuell
Wartung	automatisch	regelmäßig anpassen
Visualisierung	integriert	zusätzliches Tool nötig
DSGVO-Konformität	unterstützt Richtlinien	selbst prüfen

Ich finde, dass vor allem Einsteiger mit dem Tool Octoparse viel besser beraten sind.

Persönliche Erfahrung mit Willhaben Scraping

Ich selbst habe über einen längeren Zeitraum nach Wohnungen auf Willhaben gesucht. Jeden Tag musste ich die Filter neu erstellen, was etwas mühsam war. Mit Octoparse konnte ich eine Vorlage anlegen, die alle neuen Anzeigen automatisch in eine Excel-Datei schrieb. Ich sah sofort, welche Angebote neu waren. Ich musste endlich nicht mehr manuell suchen. Letztendlich habe ich somit auch eine passende Wohnung für mich gefunden.

Wie oft darf man scrapen, ohne gesperrt zu werden?

Man muss darauf achten, dass man nicht zu viele Anfragen in kurzer Zeit sendet. Bei Octoparse kann man ein Zeitintervall einstellen, wie zum Beispiel alle 2 Stunden. So habe auch ich das gemacht. Die Website wird dadurch nicht zu stark belastet.

Wer Python nutzt, sollte zwischen den Anfragen immer ein paar Sekunden Pause einbauen (time.sleep(5)).

Wie kann man Scraping-Ergebnisse auswerten?

Nach dem Export in Excel oder Google Sheets können Sie:

Preise vergleichen
Trends erkennen
Angebote nach Regionen sortieren
Durchschnittswerte berechnen

Mit den einfachen Filtern kann man schnell sehen, wie sich der Markt entwickelt.

Wie bleibt man rechtlich sicher beim Scraping?

Beim Scrapen müssen Sie auch einige Regeln beachten, damit Sie immer rechtlich sicher bleiben. Hier sind einige dieser Regeln:

Beachten Sie die Datenschutzgrundverordnung (DSGVO).
Scrapen Sie keine persönlichen Daten (z. B. Namen, Telefonnummern).
Verwenden Sie die Daten nur für private Zwecke und zitieren Sie bei öffentlichen Nutzungen stets die Quelle.

Fazit – Willhaben Scraper richtig nutzen

Mit einem Willhaben Scraper kann das Leben um einiges einfacher werden. Mit Tools wie Octoparse, ParseHub oder WebHarvy sammeln Sie Daten schnell und strukturiert. Für Einsteiger ist Octoparse die beste Lösung. Dieses Tool ist einfach, zuverlässig und rechtssicher. Egal, ob Sie auf Willhaben Jobs, Immobilien oder Produkte suchen, dieser Willhaben Scraper eignet sich bestens dafür.

Octoparse kann zudem als KI-gestützter Web Scraping Assistent dienen. Web Scraping Tool Free/kostenlos ist mit Octoparse 14 Tage möglich. Testen Sie das Web Scraping Tool noch heute!