抓取 amazon.com 的商品页

关于 amazon.com

amazon.com 这样描述自己：“数百万种商品免运费。使用 Prime 尽享购物和娱乐的精华。海量日常必需品及其他商品低价优惠，涵盖时尚、家居、美妆、电子产品、Alexa 设备、体育用品、玩具、汽车用品、宠物、母婴……”。

其 robots.txt 禁止 12 个路径。

基于 Crawlbase 测得

2026年8月 对每个账户的每个请求统计的成功率：98.2%。URL 模式、国家和失败情况来自自 2026年8月14日 起的请求日志；8.8% 的成功调用使用了 JavaScript 令牌，响应中位时间为 3.4s。

在 Cookbook 的 16 个交易平台站点中，amazon.com 按成功率排在第 12 位（共 16 个）；类别中位数为 99.6%。 其响应中位时间 3.4s 快于类别中位数 7.1s。 16 个站点中有 7 个接受普通令牌；这个站点只在部分页面接受。

调用

商品页是各账户在此抓取最多的页面形态，附带最常成功的国家和令牌。请把占位路径换成站点上真实的商品 URL。

curl "https://api.crawlbase.com/?token=YOUR_TOKEN&url=https%3A%2F%2Fwww.amazon.com%2Fdp%2Fexample-page"

from crawlbase import CrawlingAPI
api = CrawlingAPI({'token': 'YOUR_TOKEN'})

r = api.get('https://www.amazon.com/dp/example-page')
html = r['body']

const { CrawlingAPI } = require('crawlbase');
const api = new CrawlingAPI({ token: 'YOUR_TOKEN' });

const r = await api.get('https://www.amazon.com/dp/example-page');

关键参数

各账户抓取的 URL 模式

你能得到的字段

Crawlbase 在 amazon.com 上找到的结构化数据，按页面类型列出。这些是页面中的 schema.org 类型，你的解析器可以直接从 JSON-LD 块中读取这些字段：

• 其他: WebSite

会出问题的地方及修复方法

自 2026年8月14日 以来的失败中，站点的响应为：

定时运行

刷新目录就是一份商品 URL 列表。把它连同回调推送到 Crawler，让它控制调用节奏并重试站点拒绝的请求，然后从 Cloud Storage 读取结果。该站点的响应中位时间为 3.4s。

常见问题

amazon.com 上的其他页面

amazon.com 在自己的站点地图中列出的页面，由 Crawlbase 于 2026年9月6日 抓取，并在连续 2 次运行中得到验证。每一行都是返回该页面及其内容的最便宜调用。