Cómo raspar datos de productos de Amazon usando proxies residenciales Nstproxy

Raspar Amazon sin proxies es una batalla perdida.
Rápidamente te encontrarás con prohibiciones de IP, interminables CAPTCHAs y limitaciones de tasa antes de recolectar algo útil.
Los sistemas anti-bot de Amazon son unos de los más difíciles en Internet.

Para mantener un perfil bajo, los proxies son esenciales.
En este artículo, te mostraremos cómo raspar Amazon de manera eficiente usando los Proxies Residenciales de Nstproxy — una forma confiable de extraer datos de productos sin ser bloqueado.

Por qué necesitas proxies para raspar Amazon

Amazon utiliza técnicas agresivas anti-scraping:

• Seguimiento de IP y limitación de tasa
• Detección de comportamiento de bots
• Geo-bloqueo
• Desafíos de JavaScript y CAPTCHAs

Sin proxies, enviar múltiples solicitudes desde una sola IP rápidamente te hará marcar.

Los proxies residenciales como los de Nstproxy simulan tráfico de usuarios reales desde dispositivos e ISP reales, haciendo que tu raspador parezca legítimo.

Por qué elegir Proxies Residenciales de Nstproxy

Nstproxy proporciona:

• Más de 90 millones de IPs de más de 195 países
• Soporte para SOCKS5 y HTTP/HTTPS
• Control de sesión para IPs fijas o rotativas
• Enrutamiento de puerta de enlace optimizado (EE. UU., UE, APAC)

✅ Ideal para raspado a gran escala de Amazon, monitoreo de precios y investigación de competencia.

Mejor tipo de proxy para Amazon: Residencial con Rotación

Comparación de tipos de Proxy:

🔹 Para el raspado de Amazon, los proxies residenciales rotativos son los más efectivos: ofrecen IPs reales de usuarios reales, rotando periódicamente para evitar detección.

Configuración de Nstproxy con Python

Una vez que hayas comprado un plan de proxy:

1. Ve a Configuración de Proxy en el tablero
2. Selecciona Python de las opciones de lenguaje de código
3. Copia el fragmento listo para usar con tus credenciales

Aquí te mostramos cómo usar los proxies residenciales de Nstproxy en un raspador de Python con la biblioteca requests:

username = 'TuNombreDeUsuario'
password = 'TuContraseña'
host = 'gate.nstproxy.io'
port = '24125'

proxy = f'http://{username}:{password}@{host}:{port}'
proxies = {
    "http": proxy,
    "https": proxy
}

Ejemplo Completo de Script de Raspado de Amazon

Aquí tienes todo el script para raspado de Amazon que se ve así con https://www.amazon.com/s?k=apple :

import requests
from urllib.parse import urljoin
from bs4 import BeautifulSoup
import pandas as pd

username = 'TU NombreDeUsuario de Nstproxy'
password = 'Tu contraseña'
host = 'gate.nstproxy.io'
port = '24125'

proxy = f'http://{username}:{password}@{host}:{port}'
proxies = {
    "http": proxy,
    "https": proxy
}

custom_headers = {
    'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36 (KHTML, como Gecko) Chrome/138.0.0.0 Safari/537.36',
    'Accept-Language': 'da, en-gb, en',
    'Accept-Encoding': 'gzip, deflate, br',
    'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/avif,image/webp,*/*;q=0.7',
    'Referer': 'https://www.google.com/'
}


def parse_listing(listing_url, visited_urls, current_page=1, max_pages=2):
    resp = requests.get(
        listing_url, headers=custom_headers, proxies=proxies
    )
    print(resp.status_code)
    soup_search = BeautifulSoup(resp.text, 'lxml')
    link_elements = soup_search.select(
        '[data-cy="title-recipe"] > a.a-link-normal'
    )

    page_data = []

    for link in link_elements:
        full_url = urljoin(listing_url, link.attrs.get('href'))
        if full_url not in visited_urls:
            visited_urls.add(full_url)
            print(f'Raspar producto de {full_url[:100]}', flush=True)
            product_info = get_product_info(full_url)
            if product_info:
                page_data.append(product_info)
                time.sleep(random.uniform(3, 7))

    next_page_el = soup_search.select_one('a.s-pagination-next')
    if next_page_el and current_page < max_pages:
        next_page_url = next_page_el.attrs.get('href')
        next_page_url = urljoin(listing_url, next_page_url)
        print(
            f'Raspar siguiente página: {next_page_url}'
            f'(Página {current_page + 1} de {max_pages})',
            flush=True
        )
        page_data += parse_listing(
            next_page_url, visited_urls, current_page + 1, max_pages
        )```
```python
return page_data


def obtener_info_producto(url):
    resp = requests.get(url, headers=custom_headers, proxies=proxies)
    if resp.status_code != 200:
        print(f'Error al obtener la página web: {url}')
        return None

    soup = BeautifulSoup(resp.text, 'lxml')

    elemento_titulo = soup.select_one('#productTitle')
    titulo = elemento_titulo.text.strip() if elemento_titulo else None

    precio_e = soup.select_one('#corePrice_feature_div span.a-offscreen')
    precio = precio_e.text if precio_e else None

    elemento_calificacion = soup.select_one('#acrPopover')
    texto_calificacion = elemento_calificacion.attrs.get('title') if elemento_calificacion else None
    calificacion = texto_calificacion.replace('de 5 estrellas', '') if texto_calificacion else None

    elemento_imagen = soup.select_one('#landingImage')
    imagen = elemento_imagen.attrs.get('src') if elemento_imagen else None

    elemento_descripcion = soup.select_one(
        '#productDescription, #feature-bullets > ul'
    )
    descripcion = (
        elemento_descripcion.text.strip() if elemento_descripcion else None
    )

    return {
        'titulo': titulo,
        'precio': precio,
        'calificacion': calificacion,
        'imagen': imagen,
        'descripcion': descripcion,
        'url': url
    }


def main():
    urls_visitadas = set()
    url_busqueda = 'https://www.amazon.com/s?k=apple'
    data = parse_listing(url_busqueda, urls_visitadas)
    df = pd.DataFrame(data)
    df.to_csv('manzana.csv', index=False)


if __name__ == '__main__':
    main()

Consejos para raspar Amazon con éxito

1. Rote User-Agents — Evita usar el mismo repetidamente
2. Usa sesiones sabiamente — sessionDuration para persistencia (por ejemplo, inicios de sesión)
3. Retrasos aleatorios — time.sleep(random.uniform(1, 3))
4. Manejo de errores — Reintentar en 503 / 429 con retroceso exponencial
5. Detección de CAPTCHA — Cambiar a una nueva sesión cuando se active

Desafíos y soluciones

Pensamientos finales

Raspar Amazon es difícil — pero no imposible.
Con los proxies residenciales de Nstproxy, IPs rotativas y un comportamiento de navegación realista, puedes recopilar datos de productos de alto valor a gran escala sin ser bloqueado.

🚀 Comienza tu prueba de Nstproxy hoy — 5GB gratis
¿Necesitas ayuda con la integración? Estamos aquí para asistir.