Как создать трекер цен Amazon на Python [Полное руководство]

Салама Алейкум

5 февраля 2026 г. 4 минут чтения

Содержание

Уследить за постоянно меняющимися ценами на Amazon может быть утомительно. Для продавцов электронной коммерции, дропшипперов и аффилиат-маркетологов знание о том, когда меняются цены, дает большое конкурентное преимущество.

В этом руководстве вы узнаете, как создать полнофункциональный трекер цен Amazon с использованием Python— от скрапинга данных о товарах до сохранения истории цен, установки оповещений и масштабирования с использованием ротируемых резидентных прокси для необнаружимого сбора данных.

Независимо от того, являетесь ли вы индивидуальным предпринимателем, отслеживающим несколько ASIN, или управляете тысячами списков, этот учебник поможет вам эффективно и безопасно автоматизировать сбор информации о ценах.

Зачем создавать трекер цен на Amazon?

Amazon неоднократно изменяет цены на товары в течение дня в зависимости от спроса, конкуренции и наличия товаров на складе. Отслеживая эти колебания, вы можете:

Отслеживайте цены конкурентов, чтобы реагировать быстрее.
Определите возможности для получения прибыли при арбитраже в розничной торговле или онлайн.
Отслеживайте скидки и акции для партнерских предложений.
Соберите данные для долгосрочного анализа рынка.

Ручное отслеживание утомительно и чревато ошибками. Автоматизация на Python позволяет собирать и анализировать данные по сотням продуктов — непрерывно и точно.

Создаем трекер цен Amazon: пошаговое руководство

Прежде чем перейти к коду, давайте настроим среду разработки. Вам понадобятся следующие инструменты и библиотеки:

Питон: Язык программирования, который мы будем использовать.
BeautifulSoupБиблиотека для веб-скрейпинга.
ЗапросыБиблиотека для выполнения HTTP-запросов.

Шаг 1: Настройте вашу среду Python

Начните с установки необходимых библиотек:

pip install requests beautifulsoup4 lxml pandas schedule```

Запросы — отправляет HTTP-запросы.
BeautifulSoup — парсит HTML.
Pandas — управляет вашими журналами данных.
Расписание — автоматизирует повторяющиеся задачи.

Шаг 2: Анализ страницы товара на Amazon

Откройте любую страницу товара и проверьте HTML (правый клик → Проверить).
Amazon обычно хранит цены в следующих элементах:

<span id="priceblock_ourprice">...</span>
<span id="priceblock_dealprice">...</span>

Мы будем использовать эти идентификаторы для динамического извлечения цены.

Шаг 3: Создайте функцию скрейпера

Давайте начнем с функции, которая извлекает название и цену товара:

импорт requests
из bs4 импорт BeautifulSoup
из datetime импорт datetime

URL = "https://www.amazon.com/dp/B08N5WRWNW"
HEADERS = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64)"}

def get_price():
    response = requests.get(URL, headers=HEADERS)
    soup = BeautifulSoup(response.content, "lxml")

    title = soup.find(id="productTitle").get_text().strip()
    price = soup.find(id="priceblock_ourprice") or soup.find(id="priceblock_dealprice")
    price = price.get_text().replace("$", "").strip() if price else None

    return {"title": title, "price": price, "time": datetime.now()}

Шаг 4: Сохранить историю цен в CSV

Трекер полезен только в том случае, если вы можете анализировать изменения с течением времени.
Эта функция добавляет каждую новую точку данных в CSV-файл:

импорт pandas как pd
импорт os

def save_to_csv(data, filename="prices.csv"):
    df = pd.DataFrame([data])
    header = not os.path.exists(filename)
    df.to_csv(filename, mode="a", header=header, index=False)

Каждая строка содержит наименование товара, цену и временную метку.

Шаг 5: Автоматизируйте сбор данных

Вы можете настроить автоматический запуск трекера каждое утро:

импорт schedule
импорт time

def job():
    data = get_price()
    save_to_csv(data)
    print("Сохранено:", data)

schedule.every().day.at("09:00").do(job)

while True:
    schedule.run_pending()
    time.sleep(60)

Шаг 6: Добавить оповещения о снижении цены

Если вы хотите получать оповещение, когда цена продукта падает ниже определенного уровня:

импорт smtplib

def отправить_письмо(цена, порог=900):
    if float(цена) < порог:
        сервер = smtplib.SMTP("smtp.gmail.com", 587)
        сервер.starttls()
        сервер.login("[email protected]", "yourpassword")
        сообщение = f"Цена упала! Новая цена: ${цена}"
        сервер.sendmail("[email protected]", "[email protected]", сообщение)
        сервер.quit()

Объедините это с вашей основной функцией для оповещений о сделках в реальном времени.

Шаг 7: Избегайте блокировок с помощью прокси

Amazon использует сильные антибот-системы, которые могут блокировать повторяющиеся запросы.
Чтобы избежать капчу или блокировки IP-адреса, используйте вращающиеся жилые прокси.

Вот как включить прокси NodeMaven в ваши запросы:

ПРОКСИ = "http://username:[email protected]:8000"
прокси = {"http": ПРОКСИ, "https": ПРОКСИ}

ответ = requests.get(URL, headers=HEADERS, proxies=прокси)

Каждый запрос будет использовать новый реальный IP-адрес из пула NodeMaven, имитируя органический просмотр.
Для более крупных проектов по сбору данных используйте sticky сессии или вращающиеся оконечные точки через NodeMaven Прокси-решения для Amazon.

Шаг 8: Отслеживание нескольких продуктов

Вы можете легко масштабироваться, сохраняя несколько URL-адресов продуктов в списке:

ПРОДУКТЫ = [
    "https://www.amazon.com/dp/B08N5WRWNW",
    "https://www.amazon.com/dp/B07FZ8S74R"
]

для url в ПРОДУКТЫ:
    URL = url
    данные = получить_цену()
    сохранить_в_csv(данные)

Этот подход позволяет отслеживать десятки элементов за один прогон.

Шаг 9: Визуализация ценовых тенденций

Для визуального анализа тенденций используйте Стримлит или Matplotlib:

import pandas as pd
import matplotlib.pyplot as plt

df = pd.read_csv("prices.csv")
df["time"] = pd.to_datetime(df["time"])

plt.plot(df["time"], df["price"])
plt.title("Amazon Price Tracker")
plt.xlabel("Date")
plt.ylabel("Price ($)")
plt.show()

Вы мгновенно увидите, когда цена подскочит или упадет.

Шаг 10: Соберите всё вместе

Вот полный скрипт отслеживания цен Amazon на Python — объединяющий скрапинг, сохранение, автоматизацию, оповещения и прокси в одном унифицированном инструменте.

импортировать запросы
from bs4 import BeautifulSoup
импортировать pandas как pd
импортировать расписание
импортировать время
импортировать smtplib
импортировать os
from datetime import datetime

URLS = [
    "https://www.amazon.com/dp/B08N5WRWNW",
    "https://www.amazon.com/dp/B07FZ8S74R"
]

HEADERS = { "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64)"}
PROXY = "http://username:[email protected]:8000"
proxies = { "http": PROXY, "https": PROXY}
ПОРОГ = 900 # Установите желаемый порог оповещения

def get_price(url):
    response = requests.get(url, headers=HEADERS, proxies=proxies)
    soup = BeautifulSoup(response.content, "lxml")

    title = soup.find(id="productTitle").get_text().strip()
    цена = soup.find(id="priceblock_ourprice") или soup.find(id="priceblock_dealprice")
    price = price.get_text().replace("$", "").strip() if price else None

    return { "url": url, "title": title, "price": price, "time": datetime.now()}

def save_to_csv(data, filename="prices.csv"):
    df = pd.DataFrame([data])
    header = not os.path.exists(filename)
    df.to_csv(filename, mode="a", header=header, index=False)

def send_email(price, title):
    if price and float(price) < THRESHOLD:
        server = smtplib.SMTP("smtp.gmail.com", 587)
        server.starttls()
        server.login("[email protected]", "yourpassword")
        message = f "Цена на {title} снижена! Новая цена: ${price}"
        server.sendmail("[email protected]", "[email protected]", message)
        server.quit()
        print(f "Отправлено оповещение по электронной почте для {название}")

def job():
    for url in URLS:
        data = get_price(url)
        save_to_csv(data)
        send_email(data["price"], data["title"])
        print("Данные сохранены:", data)

schedule.every().day.at("09:00").do(job)

while True:
    schedule.run_pending()
    time.sleep(60)

Этот скрипт автоматически:

Извлекает данные о продукте ежедневно
Протоколирует каждое обновление цены
Отправляет уведомления по электронной почте о снижении цен
Использует NodeMaven вращающиеся резидентные прокси для надежности

Его можно развернуть на VPS или облачной функции (например, AWS Lambda или Google Cloud Run), чтобы он работал круглосуточно.

Лучшие практики для долгосрочного успеха

Уважайте robots.txt Amazon: Разрешено извлекать только разрешенные данные.
Случайные интервалы запросов: Избегайте предсказуемого времени.
Вращать пользовательские агенты и прокси: Каждый запрос должен имитировать нового посетителя.
Используйте повторные попытки и логику отката: Обрабатывать неудачные запросы корректно.
Хранить журналы и отслеживать процент успешных операций: Отслеживайте производительность, чтобы настроить вашу установку.

Сочетание этичных практик сбора данных с чистым пулом IP-адресов NodeMaven гарантирует, что ваш скрейпер останется эффективным и незаметным.

Финальные мысли

Создание трекера цен Amazon на Python — это не просто увлекательное упражнение в кодинге, а мощный бизнес-инструмент. С правильной настройкой прокси вы можете отслеживать сотни объявлений, выявлять пробелы на рынке и автоматически принимать более обоснованные ценовые решения.

От индивидуальных предпринимателей до команд крупномасштабной электронной коммерции — такая автоматизация трансформирует ваш бизнес.

Если вы серьезно настроены на масштабирование сбора данных, попробуйте Резидентные и мобильные прокси NodeMaven. Благодаря реальным IP-адресам устройств, фиксированным сессиям и таргетингу на уровне стран, они разработаны для надежного, незаметного сбора данных в больших масштабах.

Начните с малого, отслеживайте один продукт и наблюдайте, как ваш скрипт Python превратится в мощный инструмент анализа доходов.