如何用 Python 构建亚马逊价格追踪器
网络爬虫 可以帮助你监控 Amazon 价格，而无需每天手动查看同一个产品页面。在本教程中，你将构建一个简单的 使用 Python 构建 Amazon 价格追踪器 用于采集产品标题、价格、库存状态和页面 URL，然后将结果保存到 CSV 文件。
该示例使用 Python、Requests、BeautifulSoup 以及真实的 Amazon 商品页面结构。你还会明白为什么 Amazon 价格追踪往往需要额外的校验：价格可能因地区而异，页面可能出现 CAPTCHA，选择器也可能随商品版式的不同而变化。
对于小规模测试，一个基础脚本就足够了。对于大批量或对地理位置敏感的跟踪， 干净的住宅代理、粘性会话以及 ZIP 邮编级别的定位 可以让结果更可靠，因为 Amazon 可能会根据不同地区返回不同的价格、配送详情和库存情况。
这个 Amazon 价格追踪器将实现的功能
本指南中的追踪器将收集：
- 产品标题
- 当前显示价格
- 库存状态文本
- 产品 URL
- 时间戳
- CSV 文件中的价格历史记录
- 在终端中显示基础的降价提醒
这是一个适合初学者的抓取工具，但它遵循了在真实价格监控项目中很重要的一些习惯。它会检查预期的数据是否存在，避免将 CAPTCHA 页面保存为商品数据，并让代码易于扩展。
若想更全面地了解价格追踪工具和工作流程，NodeMaven 还提供了一份指南，介绍 价格监控工具.
开始之前：Amazon 抓取的限制
Amazon 页面比练习用的网站更复杂。一个商品页面可能会因市场站点、ZIP 邮编、收货地址、cookie、登录状态、促销状态和商品类型的不同而变化。
在大规模采集数据之前，请查阅 Amazon 的 使用条件。对于已获批准的商品数据使用场景，还请查看 Amazon 的 Product Advertising API 文档.
本教程用于学习价格追踪的工作原理。如果你打算运行生产环境的爬虫，还请阅读 NodeMaven 关于 网页抓取是否合法.
Amazon 价格跟踪通常会变得困难，原因在于：
- CAPTCHA 验证页面 而不是商品页面
- 403 或 503 错误
- 价格分散在多个 HTML 元素中
- 因地区或 ZIP 邮编而异的价格
- 不同产品布局之间选择器会发生变化
- 请求返回的内容与浏览器不同
开发者经常遇到这些问题。例如，这个关于 Amazon CAPTCHA 和价格选择器问题 说明了为什么后备选择器和响应验证很重要。
第 1 步：搭建 Python 项目
为该项目新建一个文件夹，并在你的编辑器中打开它。
如果你使用 macOS 或 Linux，请运行：
如果你使用 Windows，请运行：
现在创建一个文件，命名为：
你可以在 VS Code、PyCharm 或任何文本编辑器中创建它。请保持该文件打开，因为接下来的步骤会逐步构建这个脚本。
如果这是你的第一个爬虫，那么 Python 网页抓取 指南更详细地讲解了 Requests、BeautifulSoup、选择器以及 CSV 导出。
经过测试的配置： Python 3.12、Requests、BeautifulSoup4 和 lxml。环境准备就绪后，该脚本可在 macOS、Windows 或 Linux 上运行。
第 2 步：检查 Amazon 商品页面
打开你想要跟踪的 Amazon 产品页面。右键点击产品标题并选择 检查.
在本次测试所用的产品页面上，标题位于：
然后检查价格。Amazon 通常会将完整价格存储在一个屏幕外的元素中，但在某些页面上，可见的价格会被拆分成多个独立的部分：
这就是脚本使用后备选择器，而不是依赖单一价格元素的原因。
这些选择器仅为供测试的示例，并非适用于整个 Amazon 的通用选择器。Amazon 页面可能因市场、产品类别、促销布局和库存状态而有所不同。请务必检查你计划追踪的具体页面。
开发者经常遇到 Amazon 选择器和 CAPTCHA 问题。这个 Stack Overflow 上关于 Amazon CAPTCHA 和价格选择器问题 很好地说明了为什么抓取程序需要备用选择器和响应验证。
第 3 步：使用 Requests 获取 Amazon 页面
现在添加一个用于下载页面 HTML 的函数。
自定义请求头让请求看起来更接近普通的浏览器请求。这并不能保证访问成功，但它避免了发送 Python Requests 的默认 user agent。
CAPTCHA 检查同样重要。一个请求可能返回成功的 200 OK 响应，但仍然返回验证页面而非产品数据。 切勿将成功的状态码当作爬虫采集到正确页面的证据。
第 4 步：提取标题、价格和库存情况
接下来，添加 BeautifulSoup 和几个辅助函数。
该 first_text() 函数会尝试多个选择器，并返回它找到的第一个值。这很有用，因为 Amazon 可能会把价格放在页面的不同位置。
该 split_price_text() 函数用于处理价格以独立的符号、整数和小数元素显示的页面。例如， $23.99 在 HTML 中可能显示为 $, 23，以及 99.
该 parse_price() 函数会从可见的价格文本中提取一个数值。此版本假定价格采用美式格式，例如 $49.99。如果你跟踪的是另一个 Amazon 站点，请根据当地的货币和小数格式进行调整。
现在添加商品抓取函数：
这个函数为可靠性做了一件有用的事：当标题或价格缺失时，它会明确报错。这比保存一个空值、之后才发现 CSV 里满是损坏的行要好得多。
第 5 步：将 Amazon 价格历史保存为 CSV
当每次检查都被保存下来时，价格跟踪器会变得更加实用。添加以下 CSV 函数：
该 newline="" 设置遵循 Python 的 CSV 文档 并有助于避免在某些系统上出现额外的空行。
脚本运行后，CSV 文件将如下所示：
| 时间戳 | 标题 | price_text | 价格 | 可用性 | url |
|---|---|---|---|---|---|
| 2026-07-24T10:15:30 | Owala FreeSip 不锈钢保温水瓶 | $23.99 | 23.99 | In Stock | Amazon 商品 URL |
这个简单的历史记录文件对于第一个版本来说已经足够了。之后，你可以将数据迁移到 Google Sheets、数据库或仪表板中。
第 6 步：追踪多个 Amazon 商品
现在添加一份产品 URL 列表。用真实的 Amazon 产品页面替换示例 URL。
然后添加一个遍历每个产品的主函数。
该 sleep(10) delay 可防止脚本过快地请求页面。对于真实的追踪来说，应避免过于激进的请求频率。价格追踪器通常不需要每隔几秒就检查同一件商品。
如果你想了解更多通用的抓取示例，NodeMaven 提供了一份指南，介绍 Python 网页抓取 以及一份单独的对比 网页抓取工具.
第 7 步：添加降价提醒和定时任务
一个基本的提醒功能可以直接在终端中运行。
添加一个目标价格
将下面这段代码添加到脚本的顶部附近：
然后更新其中的循环 main():
目前它还不会发送电子邮件或 Telegram 消息，只会在价格低于你设定的目标值时打印一条消息。
为追踪器设定计划任务
对于简单的设置，你可以每天手动运行一次脚本。
在 macOS 或 Linux 上，你之后可以使用 cron。在 Windows 上，你可以使用 Task Scheduler。如果你更喜欢无代码的设置，可以先从手动运行开始，等脚本能返回干净的数据后再进行自动化。
对于真实的价格监控工作流，请存储：
- 市场
- 地区或 ZIP 邮编
- 时间戳
- 价格
- 可用性
- 产品 URL
- 错误状态，如果请求失败
这些额外的背景信息有助于解释价格为何发生变化。价格下降可能源于真实的折扣，但也可能来自不同的地区、卖家、优惠券或运费设置。
第 8 步：添加代理以获得更可靠的 Amazon 跟踪
做几次手动测试时，你或许不需要代理。但一旦追踪器运行得更频繁、检查多个商品或按地区比较价格，单一的本地 IP 就会成为薄弱环节。
Amazon 可能会根据可见的位置显示不同的商品数据。当请求模式看起来异常时，它还可能返回 CAPTCHA、不可用的页面或不一致的配送详情。
这正是 干净的住宅代理 和 粘性会话 很有帮助。它们让跟踪器保持稳定的地区，避免将每个请求都通过同一个本地 IP 发出。
NodeMaven 住宅代理可帮助 Python 抓取程序以更干净的 IP、稳定的会话和地理定位来收集 Amazon 价格数据，用于区域价格核查。从以下内容开始 750 MB 仅需 $3.50.
具体针对 Amazon，NodeMaven 的 Amazon 代理 在以下情况下会很有用：
- 特定地区的价格
- ZIP 级别定位
- 适合重复检查的稳定会话
- IP 质量比公共代理或廉价 VPN 更纯净
- 看起来更接近正常用户流量的住宅 IP
如需更深入的代理设置，请阅读 NodeMaven 关于构建 可靠的网页抓取代理池.
为脚本添加代理
如果你想使用代理，请替换前面的 fetch_page() 在此版本下运行。
然后将代理传入 scrape_product():
不要将真实的代理凭据硬编码在共享文件或公共仓库中。如果脚本将存储在 GitHub 上或供团队使用，请使用环境变量。
选择合适的代理会话
使用 粘性住宅会话 当你希望在一次跟踪运行期间让某个产品或某个地区保持一致时。当 Amazon 存储位置设置、配送状态或 cookie 时，这一点非常有用。
仅在每个请求相互独立时才使用轮换。在同一个商品流程中随机切换 IP 可能会导致价格不匹配、额外的验证或结果不一致。
NodeMaven 的指南： 住宅、移动和数据中心代理 解释了哪种代理类型适合不同的抓取工作流程。
常见的 Amazon 价格追踪器错误及修复方法
Amazon 返回 503 或 403 错误
当 Amazon 不喜欢请求模式、IP 信誉、请求头或流量来源时，就可能拒绝该请求。开发者也在 Stack Overflow 的讨论帖中谈到这一点 使用 Requests 和 BeautifulSoup 时出现的 Amazon 503 错误.
请尝试以下方法：
- 降低请求速率。
- 检查你的请求头是否已设置。
- 保存返回的 HTML 并进行检查。
- 避免从质量差或被过度使用的 IP 反复发起请求。
- 如果追踪器以较高的量级运行，请使用干净的住宅代理。
Amazon 显示 CAPTCHA 页面
如果 Amazon 返回一个 CAPTCHA 页面，说明抓取程序收到的是验证 HTML，而不是产品 HTML。本教程中的脚本会检测常见的 CAPTCHA 文本并抛出错误。
发生这种情况时，请降低请求频率，并检查你的请求头、会话行为和代理质量是否与你正在运行的请求量相匹配。 干净的住宅代理有助于减少因 IP 信誉不佳而触发的 CAPTCHA，但它们并不能替代合理的请求时机安排或响应验证。
不要将 CAPTCHA 页面保存为产品数据。
标题缺失
如果脚本找不到标题，请再次检查商品页面。
常用的选择器是：
如果页面使用了不同的布局，请再添加一个选择器到 TITLE_SELECTORS.
同时检查返回的 HTML 是否确实是产品页面。有时脚本收到的是同意页面、跳转页面或验证页面，而不是产品页面。
价格缺失
Amazon 的价格可能出现在页面的不同部分。有些页面使用屏幕外的价格文本，而另一些页面则将可见价格拆分为符号、整数和小数部分。
这就是脚本同时使用两者的原因：
以及：
如果两者都失败，请保存 HTML 并手动检查价格部分。
价格与你浏览器中显示的不同
Amazon 的价格可能会因国家/地区、ZIP 邮编、配送地点、站点、cookie 以及登录状态而有所不同。某件商品还可能显示优惠券、限时折扣或不同的购买选项。
为了减少不匹配的情况：
- 保持地区一致。
- 将市场和地区存储在你的 CSV 中。
- 如果地点一致性很重要，请使用粘性会话。
- 在比较价格之前，先比较可见的 IP 和位置。
- 当发货位置会影响结果时，请使用 ZIP 级定位。
NodeMaven 支持精确的地理定位，包括 ZIP 级别定位，当跟踪器需要从特定的买家所在地比较 Amazon 的价格、库存和配送选项时，这一点非常有用。
NodeMaven 住宅代理可帮助 Python 抓取程序以更干净的 IP、稳定的会话和地理定位来收集 Amazon 价格数据，用于区域价格核查。从以下内容开始 750 MB 仅需 $3.50.
如果 Requests 无法访问可见的页面内容， Selenium 爬取 可能是更好的选择，因为它会打开一个浏览器并处理已渲染的页面。
完整的 Amazon 价格追踪器代码
以下是完整的脚本。
NodeMaven 如何改进 Amazon 价格追踪
当爬虫保持稳定的连接时，Amazon 价格追踪会更加可靠 一致的地理位置、干净的 IP 信誉以及稳定的会话行为.
NodeMaven 可以解决那些通常会导致价格追踪器失效的环节：
- 住宅代理： 使用真实用户的 IP，而不是嘈杂的 VPN 或数据中心地址。
- 粘性会话： 在检查某个产品、类目或区域流程时保持同一 IP。
- ZIP 级定位： 从特定买家所在地比较价格、配送选项和库存情况。
- 干净的 IP 质量： 减少失败请求、CAPTCHA 触发以及不可靠的页面响应。
- 灵活的设置： 通过 Python、浏览器自动化工具或抓取技术栈使用 HTTP 或 SOCKS5 代理。
对于 Amazon 监控来说，这意味着更少的区域结果不匹配，以及更干净的价格历史记录。
NodeMaven 住宅代理可帮助 Python 抓取程序以更干净的 IP、稳定的会话和地理定位来收集 Amazon 价格数据，用于区域价格核查。从以下内容开始 750 MB 仅需 $3.50.
结论
一个简单的 Amazon 价格追踪器是很好的入门抓取项目，因为它展示了完整的工作流程：抓取页面、检查选择器、提取数值、验证响应以及保存价格历史。先从一两个商品开始，然后仅在追踪器确实需要时再添加定时任务、提醒和浏览器渲染功能。对于 Amazon， 一旦你超越测试阶段，干净的代理就变得至关重要，因为价格、库存、送达日期和 CAPTCHA 出现频率都会随 IP 质量和位置而变化。NodeMaven 住宅代理通过粘性会话和 ZIP 级定位，帮助追踪会话保持更干净、更稳定。
