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，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。
