پروکسی اسکرپ Amazon: قیمت‌ها، Buy Box و Robot Check (۲۰۲۶)

Amazon یک معدن طلا برای پایش قیمت و تحقیق محصول و یکی از تهاجمی‌ترین سایت‌های دفاع‌شده‌ی وب است. از یک IP دیتاسنتر اسکرپش کنید و ظرف چند درخواست کپچا، دیوار «Robot Check»، قیمت‌های چرخان یا ۵۰۳ می‌بینید. این راهنما پوشش می‌دهد Amazon چه بررسی می‌کند، چه استراتژی پروکسی از آن جان به‌در می‌برد و چه انضباط نشستی قیمت‌ها و داده‌ی Buy Box را دقیق نگه می‌دارد.

Amazon چه را تشخیص می‌دهد

• اعتبار IP/ASN — بازه‌های دیتاسنتر سریع علامت می‌خورند. Amazon تقریباً فوری به آن‌ها کپچا و صفحات تنزل‌یافته می‌دهد.
• سرعت درخواست — بازدیدهای ترتیبی سریع محصول و صفحه‌بندی از یک IP، محرک کلاسیک بن است.
• رفتار نشست و cookie — Amazon کوکی نشست می‌گذارد و می‌پاید که آیا مثل مرورگری بازگشته رفتار می‌کنید یا مثل باتی بی‌حالت در هر درخواست.
• سازگاری جغرافیایی — قیمت، ارز، موجودی و Buy Box با بازار و محل تحویل فرق می‌کنند. IP‌ای که موقعیتش با محلیِ درخواستی در تضاد است، یک نشانه است.
• نشانه‌های TLS / headless — همان سیگنال‌های JA3 و CDP که هر پشته‌ی ضدبات می‌خواند.

مسکونی، با جغرافیای منطبق با بازار

پروکسی دیتاسنتر روی Amazon در هر حجم واقعی بن‌بست است؛ خروجی‌های مسکونی با ASN تمیز همان چیزی است که دوام می‌آورد. به همان اندازه مهم: کشور خروجی را با بازاری که اسکرپ می‌کنید بخوانید. کشیدن قیمت‌های amazon.de از خروجی آمریکا، قیمت، ارز و Buy Box آمریکا می‌دهد که بی‌صدا داده را خراب می‌کند. یک جغرافیای خروجی به‌ازای هر بازار.

نشست چسبنده برای قیمت دقیق

Amazon بر اساس نشست شخصی‌سازی می‌کند — افزودن به سبد، محل تحویل و تست‌های قیمت همه در cookie زندگی می‌کنند. اگر در هر درخواست IP بچرخانید، مدام این زمینه را ریست می‌کنید و قیمت‌ها و برندگان Buy Box ناسازگار می‌گیرید. برای کل اسکرپ یک محصول یک نشست چسبنده نگه دارید، سپس در مرز محصول یا کار بچرخانید:

import itertools, time, random
from curl_cffi import requests

PROXIES = ["socks5h://USERNAME:[email protected]:913", "..."]
pool = itertools.cycle(PROXIES)

def scrape_product(asin, proxy):
    # Same sticky exit for every page of this product
    s = requests.Session(impersonate="chrome",
                         proxies={"http": proxy, "https": proxy})
    detail = s.get(f"https://www.amazon.com/dp/{asin}")
    offers = s.get(f"https://www.amazon.com/gp/offer-listing/{asin}")
    return detail.text, offers.text

for asin in asins:
    proxy = next(pool)                 # new sticky exit per product
    if "Robot Check" in scrape_product(asin, proxy)[0]:
        # flagged - back off, rotate, retry on a fresh exit
        ...
    time.sleep(random.uniform(2.0, 5.0))

به‌ازای هر خروجی نرخ را محدود و عقب بکشید

مثل اسکرپ Google SERP، انضباطی که زنده‌تان نگه می‌دارد نرخ به‌ازای هر خروجی است، نه اندازه‌ی استخر. فاصله‌ها را تصادفی کنید، هم‌روندی به‌ازای IP را سقف بزنید و با دیدن «Robot Check» یا ۵۰۳ زدن به آن خروجی را متوقف و عقب بکشید؛ تلاش مجدد روی IP علامت‌خورده فقط بلاک را طولانی می‌کند.

یک اثرانگشت پایتون روی هم نگذارید

یک فراخوان ساده‌ی requests یک JA3 می‌فرستد که پیش از اعمال امتیاز IP شما را اتوماسیون علامت می‌زند. با curl_cffi (بالا) یا مرورگر واقعی اثرانگشت مرورگر بفرستید — دور زدن فینگرپرینتینگ TLS با curl_cffi را ببینید. اگر Amazon دیوار کپچای JS انداخت، به موتور مرورگر واقعی ارتقا دهید.

چک‌لیست

• از خروجی‌های مسکونی استفاده کنید — IP دیتاسنتر سریع به دیوار Robot Check می‌خورد.
• کشور خروجی را با بازار بخوانید (amazon.de با خروجی DE)، وگرنه قیمت‌ها غلط‌اند.
• به‌ازای هر محصول یک نشست چسبنده نگه دارید؛ در مرز محصول/کار بچرخانید.
• به‌ازای هر خروجی نرخ را محدود کنید، فاصله‌ها را تصادفی کنید، روی Robot Check / ۵۰۳ عقب بکشید.
• اثرانگشت TLS مرورگر بفرستید، نه JA3 پایتون.
• خروجی‌های مسکونی تمیز با نشست چسبنده و پوشش جغرافیایی: jibaoproxy.com، مسکونی ۵ دلار/گیگ، ۵ دلار اعتبار رایگان برای تست روی ASINهای خودتان.