使用抓取 API 可靠高效地提取亚马逊 （Amazon)数据

---

前言

在当今的全球电子商务环境中，从产品研究到竞争对手分析，亚马逊数据的访问都发挥着至关重要的作用。对于开发人员和技术团队，尤其是中国的开发人员和技术团队来说，构建可扩展且不易被察觉的亚马逊搜索解决方案已成为一种战略需要。

不过，要搜索亚马逊并不简单。亚马逊的基础架构通过速率限制、IP 黑名单、浏览器指纹识别和验证码来积极防御僵尸程序。传统的搜索方法（依赖静态代理或无头浏览器）很难保持长期的可靠性或性能。

本文探讨了一种更可持续的方法：使用受管理的抓取 API 来持续提取亚马逊数据。Decodo 为亚马逊等电子商务平台提供完全托管的抓取 API，通过单个 API 调用提供自动数据收集，如产品详细信息、定价、评论和卖家信息，而无需构建或维护自己的刮板基础架构。

一、亚马逊抓取面临的挑战

亚马逊的网站架构和安全性是为了阻止自动访问而设计的。当刮擦程序重复发送请求时，亚马逊可以采取多种防御措施之一：

• 可能会完全屏蔽 IP 地址。
• 可能提供不完整或误导性内容。
• 可能会使用验证码或动态 JavaScript 渲染来挑战搜刮者。
• 可能会根据标头模式或用户代理字符串标记会话。

对于运营亚马逊爬虫平台等大型数据收集系统的中国开发者来说，这些限制不仅仅是不便，更是拦路虎。每次亚马逊更新后重建刮擦程序、手动轮换 IP 或扩展代理网络都会造成巨大的工程开销。

二、抓取 API 模型

越来越多的团队不再维护传统的搜索器堆栈，而是转向搜索器 API：抽象出底层请求处理的统一接口。Decodo 就是这样一个平台，它通过安全的 API 端点提供亚马逊搜索基础架构。

有了 Decodo，开发人员无需担心 IP 轮换、浏览器模拟或验证码解析等机制问题。平台在内部处理每个请求，确保即使亚马逊修改了反僵尸系统，数据提取也能继续工作。

与需要开发人员围绕其构建自定义逻辑的纯代理服务不同，Decodo 的网络抓取 API 集成了针对亚马逊的智能抓取功能。这意味着请求可模仿人类行为、智能旋转 IP 地址（亚马逊代理 IP）并动态管理会话——所有这些都无需开发人员干预。

三、首次接触应用程序接口

进入 Decodo 系统的典型入口包括验证 IP 和代理集成。下面的 curl 命令演示了通过 Decodo 网关的基本验证请求：

curl -u "<username>:<password>" ’https://scraper-api.decodo.com/v2/scrape’ -H “Content-Type: application/json” -d ‘{“target”: “universal”, “url”: "https://ip.decodo.com/json"}’

该请求返回一个 JSON 对象，显示当前使用的出口 IP 地址。该命令背后是一个复杂的基础设施： Decodo 会选择合适的代理，建立会话，并通过干净、未被禁止的网络路径路由请求。

这一过程对用户是透明的。开发人员会收到一个与亚马逊的工作连接，可随时提出进一步请求或编写自动化脚本。可以使用 Python 或其他语言直接在此 API 的基础上构建更高级的集成，而无需接触底层基础设施。

四、稳定而精确地抓取产品页面

在处理亚马逊产品页面时，开发人员的目标通常是提取结构化数据：标题、价格、图片 URL、库存状态、卖家信息和客户评论。这些字段通常位于被严重混淆、动态加载或跨越 DOM 多层的 HTML 中。

使用 Decodo 的抓取 API，开发人员可以完全避免解析原始 HTML 的需要。相反，每次 API 调用都会返回经过清理和预处理的内容，这些内容可以随时集成到您的应用程序中。这最大程度地降低了解析错误的可能性，简化了维护工作，并且在亚马逊更改布局时无需不断更新 XPath 或 CSS 选择器。

刮擦请求可能包括对为产品 ASIN 配置的 Decodo 端点进行简单的 GET。响应将包含结构化字段，如：

• “title”
• “price”
• “availability”
• “seller”
• “reviews”

这些结果的可靠性并非偶然。Decodo 执行动态 JavaScript 渲染、会话管理和地理目标 IP 轮换（亚马逊代理 IP）等幕后操作，所有这些都有助于实现干净、可靠的数据交付。

五、Decodo 如何应对反机器人挑战

亚马逊爬取最令人头疼的问题之一就是不一致性–今天有效的抓取程序明天可能就会失效，这通常是由于检测和拦截造成的。Decodo 的价值在于它如何处理亚马逊僵尸防御系统的微妙之处。其中包括:

• 基于 IP 的速率限制。请求分布在一个巨大的轮换 IP 池中，其中包括高质量的住宅和 ISP 地址。与标准数据中心 IP 相比，这些 Amazon 代理 IP 端点不太可能被标记。
• 报头指纹识别。Decodo 根据随机化的用户代理字符串、浏览器接受语言设置和 TLS 行为注入动态头。这有助于防止亚马逊检测到自动流量中的模式。
• 验证码解决。当请求触发验证码挑战时，Decodo 会使用其后台解码器系统自动解码，或重新路由请求以避免触发进一步的防御。客户端永远不会看到验证码。
• 动态渲染。通过 JavaScript 加载内容的页面通过 Decodo 的集成渲染系统进行处理。这包括无头 Chromium 执行和 DOM 快照提取，即使在 JavaScript 较多的列表中也能生成完整的数据。

所有这些都无需开发人员管理代理、浏览器或无头环境。这就是 Decodo 与传统的仅提供 IP 的亚马逊代理方法的不同之处。

六、多 ASSIN 抓取，用于竞争分析

对于进行大规模研究的开发人员来说，并行搜索多个 ASIN 的能力至关重要。无论是比较产品价格还是分析同类产品的排名，您的搜索器都必须保持高吞吐量，同时避免被检测到。

Decodo 的基础架构专为扩大规模而设计。数十个、数百个或数千个 ASIN 的请求会自动分布到整个系统。每个请求都使用唯一的 IP 和会话，并采用随机计时和行为模拟，以避免触动亚马逊的内部阈值。

该功能支持中国跨境电子商务中常见的工作流程，例如：

• 将淘宝网上的商品与亚马逊上的同等商品进行映射
• 实时跟踪美国竞争对手的定价
• 聚合多个地区类似 SKU 的评论情感

这些流程依赖于可靠、快速和稳定的亚马逊爬虫系统。通过将爬虫抽象为单一的 API 接口，Decodo 使团队能够专注于他们的应用程序逻辑，而不是反僵尸规避。

七、使用 Python 进行多ASIN 批量搜索

对于处理产品跟踪、竞争监控或跨境电子商务的开发人员来说，刮取多个亚马逊产品（通过其 ASIN）是一项核心要求。可靠地完成这项工作意味着要旋转会话、处理区块并准确解析数据。

Decodo 抓取API 可在内部处理所有这些问题，您只需提供 ASIN 列表，它就会返回结构化的产品数据——无需代理、浏览器或解析逻辑。

Python 示例

import requests
from pprint import pprint
import json
import time# Single ASIN or list of ASINs
asins = ["B09H74FXNW", "B08LVD89GV", "B0CFPJYX7P"]url = "https://scraper-api.decodo.com/v2/scrape"
headers = {"accept": "application/json","content-type": "application/json","authorization": "Basic VTAwMDAyNjk2NDk6UFdfMWFiNGZmZTBmMWFlYTBkNmFkYzdlMzIzMjMwNTk4YzU5"
}all_data = []
for i, asin in enumerate(asins):payload = {"target": "amazon_product", "query": asin, "parse": True, "autoselect_variant": False}response = requests.post(url, json=payload, headers=headers)data = response.json()all_data.append(data)print(f"\n{'='*60}")print(f"ASIN: {asin} (Product {i+1}/{len(asins)})")print(f"{'='*60}")pprint(data, width=120)print()  # Extra line for spacingif len(asins) > 1: time.sleep(1)def save_to_json(all_data, filename='amazon_products.json'):print(f"\nAttempting to save {len(all_data)} products to JSON...")structured_data = {}for i, data in enumerate(all_data):asin = asins[i]structured_data[f"ASIN_{asin}"] = datawith open(filename, 'w', encoding='utf-8') as jsonfile:json.dump(structured_data, jsonfile, indent=2, ensure_ascii=False)print(f"Successfully saved {len(all_data)} products to {filename}")save_to_json(all_data)

该代码的作用

• 通过 base64 编码的凭证进行验证
• 为每个 ASIN 向 decodo 的 scrape 端点发送一个请
• 返回干净的 JSON 文件，其中包含标题、价格、评级、库存信息以及更详细的产品数据（评论、图片、产品详细信息等）
• 将结构化结果保存到 JSON 文件中，并将 ASIN 清晰地分开，以便于分析
• 通过 decodo 的内部 IP 轮换（亚马逊代理 IP）、会话管理和反验证逻辑避免所有亚马逊阻止
• 在调用之间等待以确保稳定性

这种设置非常适合中国的开发人员大规模使用亚马逊爬虫，构建内部工具，或集成到分析或 ERP 平台中。

1. 处理结果：索引、存储和下游使用

一旦通过 Decodo 收集了亚马逊数据，就需要使用输出结果。转储为 JSON 可能适用于快速检查，但除此之外的分析、产品跟踪、同步都需要结构化的持久性和快速检索。

八、按 ASIN 索引

每个产品都可以通过其 ASIN 唯一标识。在任何存储层（sql、nosql、kv 存储）中，asin 都应是主键或唯一索引。如果每天都要进行重新扫描，可以将更新作为中断运行，保持每个产品的最新价格、可用性或评论数。

您可以使用上述 Python 脚本抓取亚马逊数据，然后将保存的 JSON 文件放入数据库进行分析。此 SQL 模式创建了一个表结构，该表结构经过优化，可跟踪产品随时间发生的变化，并使用 ASIN 作为唯一标识符：

create table amazon_products (asin text primary key,title text,price text,availability text,rating float,reviews_count int,updated_at timestamp default now()
);insert/update with:insert into amazon_products (asin, title, price, availability, rating, reviews_count)
values (...)
on conflict (asin)
do update settitle = excluded.title,price = excluded.price,availability = excluded.availability,rating = excluded.rating,reviews_count = excluded.reviews_count,updated_at = now();

九、存储历史快照

如果您想跟踪价格的演变或审查随时间推移的增长情况，可将每次搜索结果作为快照存储在单独的表格或时间序列 DB 中。与只保留最新数据的前一种方法不同，这种方法会保存每个刮擦结果，从而建立完整的历史记录。

例如：

create table product_snapshots (id serial primary key,asin text,price text,rating float,reviews_count int,captured_at timestamp default now()
);

这让您可以分析各种趋势，例如：

• 价格随周/月变化
• 评论数如何随时间增长
• 评价波动
• 季节性定价模式

1. 您可以利用这些数据建立什么

在数据库中获得亚马逊产品数据后，您就可以构建各种应用程序：

• 价格监控仪表板。跟踪竞争对手的价格，并在价格下降时发出警报。
• 审查分析工具。监控评级趋势和情感变化。
• 跨平台匹配。比较亚马逊与淘宝/阿里速卖通的价格，寻找套利机会。
• 商业智能。分析不同产品类别和品牌的市场趋势
• 推荐引擎。建立 “客户也购买 ”或价格比较功能。
• 自动提醒。获得库存变化、价格下降或评论激增的通知。

关键优势 您的扫描脚本保持简单和集中。所有复杂的业务逻辑（仪表盘、警报、分析）都连接到您的干净数据库，而不是杂乱的刮擦代码。由于 Decodo 提供结构化的 JSON，因此您可以在上面构建任何应用程序，而无需接触数据收集层。

这种分离使您的系统更易于维护，让您可以专注于构建功能，而不是修复刮擦问题。

总结

对亚马逊网站的抓取不再是通过代理运行脚本，而是可靠性、规模和简洁的集成。Decodo 的网络抓取 API 将杂乱无章的流程转变为稳定的界面。对于需要结构化数据的开发人员来说，无需在反僵尸逻辑上花费大量时间，这是一个开箱即用的实用解决方案。

您无需构建和维护脆弱的刮擦程序，只需发送一个请求，就能获得可用的数据–会话管理、IP 轮换和验证码问题都已处理完毕。结果是：开发速度更快，失败更少，您可以更专注于实际产品或分析。

无论您是运行一个小型跟踪脚本还是为多地区电子商务系统提供动力，像 Decodo 这样的 “刮刀即服务 ”基础架构都能消除最复杂的地方。