zl程序教程

您现在的位置是:首页 > 

当前栏目

如何应对亚马逊反爬机制

如何 机制 应对 亚马逊 反爬
2023-06-13 09:11:16 时间

大家都知道亚马逊是全球最大的购物平台很多商品信息、用户评价等等都是最丰富的。但是对于爬虫来说,亚马逊的反爬机制应该也是数一数二的,想要获取亚马逊数据的人很多,但是真的能成功的确是少数,所以今天小编就手把手带大家,越过亚马逊的各种反爬机制爬取你想要的商品、评论等等有用信息。

这里我们可以通过以下一些步骤去实现亚马逊数据的获取。一、使用requests的get请求,获取亚马逊列表和详情页的页面内容,不幸的是亚马逊同样拒绝了requsets模块的请求。二、我们给requests加上cookie再去获取数据,这个方式可以少量的获取一些数据,但是意义不大,毕竟我们需要大量的数据。三、加上代理进行访问,目前国内代理访问亚马逊会很不稳定,通过之前的测试发现会出现连接不上的情况,所以这次使用了稳定的代理,是由亿牛云提供的隧道代理,可以白嫖50M流量。如果有代理的话访问的成功率会高,速度也会快一点。隧道代理的使用方式如下:

#! -*- encoding:utf-8 -*-

    import requests
    import random

    # 要访问的目标页面
    targetUrl = "http://httpbin.org/ip"

    # 要访问的目标HTTPS页面
    # targetUrl = "https://httpbin.org/ip"

    # 代理服务器(产品官网 www.16yun.cn)
    proxyHost = "t.16yun.cn"
    proxyPort = "31111"

    # 代理验证信息
    proxyUser = "username"
    proxyPass = "password"

    proxyMeta = "http://%(user)s:%(pass)s@%(host)s:%(port)s" % {
        "host" : proxyHost,
        "port" : proxyPort,
        "user" : proxyUser,
        "pass" : proxyPass,
    }

    # 设置 http和https访问都是用HTTP代理
    proxies = {
        "http"  : proxyMeta,
        "https" : proxyMeta,
    }


    #  设置IP切换头
    tunnel = random.randint(1,10000)
    headers = {"Proxy-Tunnel": str(tunnel)}



    resp = requests.get(targetUrl, proxies=proxies, headers=headers)

    print resp.status_code
    print resp.text

加上代理之后,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,就可以实现代理请求了。但是只添加代理也不是效果就很理想,毕竟亚马逊的反爬机制还有其他的,所以想要获取更多的数据,提升爬取的数据量需要我们做好其他的反爬策略。