引言
亚马逊网站相较于国内的购物网站，可以直接使用python的最基本的requests进行请求。访问不是过于频繁，在未触发保护机制的情况下，可以获取我们想要的数据。本次通过以下三部分简单介绍下基本爬取流程：
(相关资料图)
使用requests的get请求，获取亚马逊列表和详情页的页面内容
使用css/xpath对获取的内容进行解析，取得关键数据
动态IP的作用及其使用方法
一、获取亚马逊列表页的信息
以游戏区为例：
获取列表内能获取到的商品信息，如商品名，详情链接，进一步获取其他内容。
用requests.get()获取网页内容，设置好header，利用xpath选择器选取相关标签的内容：
import requests from parsel import Selector from urllib.parse import urljoin spiderurl = "https://www.amazon.com/s?i=videogames-intl-ship" headers = { "authority": "www.amazon.com", "user-agent": "Mozilla/5.0 (iPhone; CPU iPhone OS 10_3_3 like Mac OS X) AppleWebKit/603.3.8 (KHTML, like Gecko) Mobile/14G60 MicroMessenger/6.5.19 NetType/4G Language/zh_TW", } resp = requests.get(spiderurl, headers=headers) content = resp.content.decode("utf-8") select = Selector(text=content) nodes = select.xpath("//a[@title="product-detail"]") for node in nodes: itemUrl = node.xpath("./@href").extract_first() itemName = node.xpath("./div/h2/span/text()").extract_first() if itemUrl and itemName: itemUrl = urljoin(spiderurl,itemUrl)#用urljoin方法凑完整链接 print(itemUrl,itemName)登录后复制此时已经获取的当前列表页目前能获得的信息：
二、获取详情页信息
进入详情页：
进入详情页之后，能获得更多的内容
用requests.get()获取网页内容，css选取相关标签的内容：
res = requests.get(itemUrl, headers=headers) content = res.content.decode("utf-8") Select = Selector(text=content) itemPic = Select.css("#main-image::attr(src)").extract_first() itemPrice = Select.css(".a-offscreen::text").extract_first() itemInfo = Select.css("#feature-bullets").extract_first() data = {} data["itemUrl"] = itemUrl data["itemName"] = itemName data["itemPic"] = itemPic data["itemPrice"] = itemPrice data["itemInfo"] = itemInfo print(data)登录后复制此时已经生成详情页数据的信息：
目前涉及到的就是最基本的requests请求亚马逊并用css/xpath获取相应的信息。
三、代理设置
目前，国内访问亚马逊会很不稳定，我这边大概率会出现连接不上的情况。如果真的需要去爬取亚马逊的信息，最好使用一些稳定的代理，我这边自己使用的是ipidea的代理，可以白嫖500M流量。如果有代理的话访问的成功率会高，速度也会快一点。
网址在这里：www.ipidea.net
代理使用有两种方式，一是通过api获取IP地址，还有用账密的方式使用，方法如下：
3.1.1 api获取代理
3.1.2 api获取ip代码
def getProxies(): # 获取且仅获取一个ip api_url = "生成的api链接" res = requests.get(api_url, timeout=5) try: if res.status_code == 200: api_data = res.json()["data"][0] proxies = { "http": "http://{}:{}".format(api_data["ip"], api_data["port"]), "https": "http://{}:{}".format(api_data["ip"], api_data["port"]), } print(proxies) return proxies else: print("获取失败") except: print("获取失败")登录后复制3.2.1 账密获取代理
因为是账密验证，所以需要去到账户中心填写信息创建子账户：
创建好子账户之后，根据账号和密码获取链接：
3.2.2 账密获取代理代码
# 获取账密ip def getAccountIp(): # 测试完成后返回代理proxy mainUrl = "https://api.myip.la/en?json" headers = { "Accept": "text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,*/*;q=0.8", "User-Agent": "Mozilla/5.0 (iPhone; CPU iPhone OS 10_3_3 like Mac OS X) AppleWebKit/603.3.8 (KHTML, like Gecko) Mobile/14G60 MicroMessenger/6.5.19 NetType/4G Language/zh_TW", } entry = "http://{}-zone-custom{}:proxy.ipidea.io:2334".format("帐号", "密码") proxy = { "http": entry, "https": entry, } try: res = requests.get(mainUrl, headers=headers, proxies=proxy, timeout=10) if res.status_code == 200: return proxy except Exception as e: print("访问失败", e) pass登录后复制使用代理之后，亚马逊商品信息的获取改善了不少，之前代码会报各种连接失败的错误，在requests请求之前调用代理获取的方法，方法return回代理ip并加入requests请求参数，就可以实现代理请求了。
四、全部代码
# coding=utf-8 import requests from parsel import Selector from urllib.parse import urljoin def getProxies(): # 获取且仅获取一个ip api_url = "生成的api链接" res = requests.get(api_url, timeout=5) try: if res.status_code == 200: api_data = res.json()["data"][0] proxies = { "http": "http://{}:{}".format(api_data["ip"], api_data["port"]), "https": "http://{}:{}".format(api_data["ip"], api_data["port"]), } print(proxies) return proxies else: print("获取失败") except: print("获取失败") spiderurl = "https://www.amazon.com/s?i=videogames-intl-ship" headers = { "authority": "www.amazon.com", "user-agent": "Mozilla/5.0 (iPhone; CPU iPhone OS 10_3_3 like Mac OS X) AppleWebKit/603.3.8 (KHTML, like Gecko) Mobile/14G60 MicroMessenger/6.5.19 NetType/4G Language/zh_TW", } proxies = getProxies() resp = requests.get(spiderurl, headers=headers, proxies=proxies) content = resp.content.decode("utf-8") select = Selector(text=content) nodes = select.xpath("//a[@title="product-detail"]") for node in nodes: itemUrl = node.xpath("./@href").extract_first() itemName = node.xpath("./div/h2/span/text()").extract_first() if itemUrl and itemName: itemUrl = urljoin(spiderurl,itemUrl) proxies = getProxies() res = requests.get(itemUrl, headers=headers, proxies=proxies) content = res.content.decode("utf-8") Select = Selector(text=content) itemPic = Select.css("#main-image::attr(src)").extract_first() itemPrice = Select.css(".a-offscreen::text").extract_first() itemInfo = Select.css("#feature-bullets").extract_first() data = {} data["itemUrl"] = itemUrl data["itemName"] = itemName data["itemPic"] = itemPic data["itemPrice"] = itemPrice data["itemInfo"] = itemInfo print(data)登录后复制通过上面的步骤，可以实现最基础的亚马逊的信息获取。
目前只获得最基本的数据，若想获得更多也可以自行修改xpath/css选择器去拿到你想要的内容。而且稳定的动态IP能是你进行请求的时候少一点等待的时间，无论是编写中的测试还是小批量的爬取，都能提升工作的效率。以上就是全部的内容。
以上就是用Python获取Amazon亚马逊的商品信息的详细内容，更多请关注php中文网其它相关文章！
