Amazon Scraping Proxies: Mga Presyo, Buy Box at Robot Check (2026)

Na-publish noong 12 Hunyo 2026 · ≈8 min na pagbasa

Ang Amazon ay isang gintong mina para sa price-monitoring at product-research at isa sa pinaka-agresibong ipinagtatanggol na site sa web. I-scrape mo ito mula sa datacenter IP at makikita mo ang mga CAPTCHA, ang "Robot Check" na pader, mga umiikot na presyo, o isang 503 sa loob ng iilang request. Sinasaklaw ng gabay na ito kung ano ang tsinetsek ng Amazon, ang proxy strategy na nakakaligtas dito, at ang session discipline na pinapanatiling tumpak ang prices at Buy Box data.

Ano ang Dinedetect ng Amazon

IP/ASN reputation — mabilis na nafa-flag ang datacenter ranges. Halos agad silang binibigyan ng Amazon ng mga CAPTCHA at degraded pages.
Request velocity — mabilis na sunud-sunod na product at pagination hits mula sa isang IP ang klasikong ban trigger.
Session at cookie behavior — nagtatakda ang Amazon ng session cookies at binabantayan kung kumikilos ka bang parang returning browser o isang sariwang stateless bot sa bawat request.
Geo consistency — ang prices, currency, availability at ang Buy Box ay nag-iiba ayon sa marketplace at delivery location. Ang isang IP na ang geolocation ay sumasalungat sa locale na hiniling mo ay isang palatandaan.
TLS / headless tells — ang parehong JA3 at CDP signals na binabasa ng bawat ibang anti-bot stack.

Residential, na May Marketplace-Matched Geo

Ang datacenter proxies ay isang patay na kalsada sa Amazon sa anumang totoong volume — ang residential exits na may malinis na ASN ang nagpapanatili nito. Kasinghalaga: itugma ang exit country sa marketplace na sini-scrape mo. Ang pagkuha ng amazon.de prices sa pamamagitan ng US exit ay nagbibigay sa iyo ng US pricing, currency at Buy Box, na tahimik na sumisira sa dataset mo. Isang exit geography bawat marketplace.

Sticky Sessions para sa Tumpak na Presyo

Pinepersonalize ng Amazon ayon sa session — ang add-to-cart, delivery location, at price tests ay nasa cookies lahat. Kung iikutin mo ang IP sa bawat request, palagi mong nire-reset ang context na iyon at makakakuha ka ng hindi pare-parehong presyo at Buy Box winners. Hawakan ang isang sticky session para sa buong scrape ng isang produkto, pagkatapos ay umikot sa product o task boundary:

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))

Rate-Limit Bawat Exit at Mag-Back Off

Tulad sa Google SERP scraping, ang disiplinang nagpapanatili sa iyong buhay ay ang per-exit rate, hindi ang laki ng pool. I-randomize ang mga gap, limitahan ang concurrency bawat IP, at kapag nakita mo ang "Robot Check" o isang 503, ihinto ang pagtama sa exit na iyon at mag-back off — ang muling pagtama sa isang naka-flag na IP ay nagpapahaba lang ng block.

Huwag Magpatong ng Python Fingerprint

Ang isang simpleng requests call ay nagpapadala ng JA3 na nagmamarka sa iyo bilang automation bago pa man mag-apply ang IP score. Magpadala ng browser fingerprint gamit ang curl_cffi (sa itaas) o isang totoong browser — tingnan ang Bypass TLS Fingerprinting with curl_cffi. Kung magtapon ang Amazon ng JS CAPTCHA wall, mag-escalate sa isang totoong browser engine.

Checklist

Gumamit ng residential exits — mabilis na tumatama ang datacenter IPs sa Robot Check wall.
Itugma ang exit country sa marketplace (amazon.de sa pamamagitan ng DE exit), kung hindi ay mali ang prices mo.
Humawak ng sticky session bawat produkto; umikot sa product/task boundaries.
Rate-limit bawat exit, i-randomize ang mga gap, mag-back off sa Robot Check / 503.
Magpadala ng browser TLS fingerprint, hindi Python JA3.
Malinis na residential exits na may sticky sessions at geo coverage: jibaoproxy.com, $2/GB residential, 500MB free traffic para subukan sa sarili mong ASINs.