Python · Amazon
Scraping de Amazon con Python
Hacer scraping de Amazon suele empezar con requests y BeautifulSoup y terminar con una página de verificación antirrobots en lugar de productos, selectores CSS que dejan de funcionar tras el siguiente cambio de diseño y una lista de proxies cada vez más larga. Esta guía toma un camino más corto: haces scraping de Amazon con Python pidiendo los datos a la API de everydata.io y los recibes como JSON limpio.
Vas a crear dos cosas. Primero, un script que extrae los resultados de búsqueda de Amazon para una palabra clave (título, ASIN, precio, valoración, número de reseñas y "bought in past month" de cada producto en varias páginas) y los guarda en un archivo CSV. Después, una función que obtiene la página de producto completa de cualquier ASIN: viñetas, detalles técnicos, categorías, disponibilidad y todas las imágenes.
Actualizado el · por everydata.io
Lo que tendrás al final
- Un script de Python que extrae en products.csv los resultados de búsqueda de Amazon para cualquier palabra clave.
- Una función que devuelve los datos completos de un producto a partir de su ASIN.
- Una idea clara de cuánto cuesta una ejecución y de cómo gestionar los errores y los límites de velocidad.
Lo que necesitas
- Python 3.10 o posterior y el paquete
requests(pip install requests). - Una clave de API gratuita de everydata.io: créala aquí.
- Una palabra clave que quieras investigar, por ejemplo
laptop, y el marketplace de Amazon (com,de,co.uk…).
01¿Por qué hacer scraping de Amazon con una API en lugar del HTML?
Puedes hacerlo. Un simple requests.get sobre una página de búsqueda de Amazon funciona unas cuantas veces; luego Amazon puede responder con una página de captcha o un resultado vacío en lugar de productos. Los precios están en distintos elementos HTML según el tipo de producto, y cada rediseño rompe tus selectores. Mantener vivo un scraper significa mantener parsers, cabeceras y proxies.
Con la API, everydata.io carga por ti la página de Amazon en directo y devuelve los campos en JSON. Tu código solo trabaja con datos. Las respuestas con estado 5xx (no se pudo cargar la página) no se descuentan de tu cuota.
02Mantén tu clave de API fuera del código
Copia tu clave desde el panel y guárdala en una variable de entorno, para que nunca acabe en un archivo que compartas.
export EVERYDATA_API_KEY="ds_your_key"03Scraping de resultados de búsqueda de Amazon: una página
El endpoint de búsqueda recibe un keyword, el marketplace en domainCode y un número de página en page. Devuelve los ASIN de todos los productos de esa página y, en searchProductDetails, una entrada por producto con los datos que muestra la ficha del resultado.
import os
import requests
API = "https://api.everydata.io"
KEY = os.environ["EVERYDATA_API_KEY"]
resp = requests.get(
f"{API}/amz/amazon-search-by-keyword-asin",
params={"keyword": "laptop", "domainCode": "com", "page": 1},
headers={"x-api-key": KEY},
timeout=60,
)
resp.raise_for_status()
data = resp.json()
print(data["resultCount"], "results,", data["lastPage"], "pages")
for item in data["searchProductDetails"]:
print(item["asin"], item["price"], item["currency"], item["productRating"], item["productDescription"][:60])Esta es una versión abreviada del ejemplo documentado para la palabra clave laptop en amazon.com:
{
"responseStatus": "PRODUCT_FOUND_RESPONSE",
"responseMessage": "Product successfully found!",
"sortStrategy": "relevanceblender",
"domainCode": "com",
"keyword": "laptop",
"numberOfProducts": 26,
"numberOfSponsoredProducts": 6,
"resultCount": 100000,
"searchProductDetails": [
{
"productDescription": "Acer Aspire 14 AI Copilot+ PC - Intel Core Ultra 5 226V & 14” WUXGA Touch - NPU: Up to 40 Tops - GPU: Up to 53 Tops | Intel Arc 130V | 16GB LPDDR5X | 1TB Gen 4 SSD | Wi-Fi 6E | A14-52MT-59DP",
"asin": "B0FGJ14KRX",
"countReview": 20,
"price": 548.44,
"retailPrice": 0,
"productRating": "4.0 out of 5 stars",
"prime": false,
"dpUrl": "/dp/B0FGJ14KRX",
"salesVolume": "50+ bought in past month",
"sponsored": true,
"currency": "USD"
}
],
"currentPage": 1,
"lastPage": 20
}El primer producto del ejemplo tiene sponsored: true: es un anuncio. Amazon mezcla anuncios con los resultados; numberOfSponsoredProducts indica cuántos hay en la página. Envía excludeSponsored=true si solo quieres resultados orgánicos.
04Extrae varias páginas a un archivo CSV
Ahora recorre las páginas en un bucle hasta lastPage o hasta tu propio límite, omite los anuncios y escribe cada producto en products.csv. api_get espera cuando envías demasiadas solicitudes a la vez (estado 429; la respuesta indica cuántos segundos) y reintenta una vez una página que no se pudo cargar (5xx).
"""Scrape Amazon search results for a keyword into products.csv – several pages, no sponsored ads."""
import csv
import os
import re
import time
import requests
API = "https://api.everydata.io"
KEY = os.environ["EVERYDATA_API_KEY"]
KEYWORD = "laptop"
DOMAIN = "com" # amazon.com – "de", "co.uk", "fr", "it" … for other marketplaces
MAX_PAGES = 3 # every page is one request
def api_get(path: str, params: dict) -> dict:
"""GET an everydata.io endpoint. Waits when rate limited (429) and retries a failed page load (5xx) once."""
retried = False
for _ in range(4):
resp = requests.get(f"{API}{path}", params=params, headers={"x-api-key": KEY}, timeout=60)
if resp.status_code == 429:
wait = re.search(r"in (\d+) seconds", resp.text)
time.sleep(int(wait.group(1)) + 1 if wait else 60)
continue
if resp.status_code >= 500 and not retried:
retried = True # 5xx answers are not counted against your quota
time.sleep(10)
continue
resp.raise_for_status()
return resp.json()
raise RuntimeError("still rate limited after several waits – try again later")
def main() -> None:
rows = []
page, last_page = 1, 1
while page <= min(last_page, MAX_PAGES):
data = api_get("/amz/amazon-search-by-keyword-asin", {
"keyword": KEYWORD, "domainCode": DOMAIN, "page": page,
"sortBy": "relevanceblender", "excludeSponsored": "true",
})
last_page = data.get("lastPage") or 1
for item in data.get("searchProductDetails", []):
rows.append({
"page": page,
"asin": item["asin"],
"title": item["productDescription"],
"price": item.get("price") or "",
"currency": item.get("currency") or "",
"rating": item.get("productRating") or "",
"reviews": item.get("countReview") or 0,
"bought_last_month": item.get("salesVolume") or "",
"prime": item.get("prime"),
"url": f"https://www.amazon.{DOMAIN}{item['dpUrl']}",
})
page += 1
with open("products.csv", "w", newline="") as f:
writer = csv.DictWriter(f, fieldnames=list(rows[0]) if rows else ["asin"])
writer.writeheader()
writer.writerows(rows)
print(f"{len(rows)} products from {page - 1} pages saved to products.csv")
if __name__ == "__main__":
main()sortBy admite los mismos órdenes que el menú de ordenación de Amazon, por ejemplo relevanceblender (destacados), price-asc-rank, price-desc-rank, review-rank y date-desc-rank; /amz/sort-options los enumera todos. Para no salir de un departamento, pasa un alias de búsqueda en category (como electronics) o un id de browseNode.
price es un número en la moneda del marketplace, y salesVolume es la etiqueta "bought in past month" de la propia Amazon, que es null cuando Amazon no muestra ninguna. Conserva el ASIN: es la clave para todos los demás endpoints de Amazon.
05Scraping de los detalles de producto de Amazon por ASIN
La ficha de búsqueda es breve. Para las viñetas, los detalles técnicos, las categorías, la disponibilidad y todas las imágenes, consulta el producto por su ASIN. Añade esta función al script anterior y llámala para los productos que quieras conservar.
def product_details(asin: str) -> dict:
p = api_get("/amz/amazon-lookup-product-by-asin", {"asin": asin, "domainCode": DOMAIN})
return {
"asin": p["asin"],
"title": p["productTitle"],
"brand_or_store": p.get("manufacturer"),
"price": p.get("price") or None, # 0 = no buyable price on the page right now
"currency": p.get("currency"),
"availability": p.get("warehouseAvailability"),
"rating": p.get("productRating"),
"reviews": p.get("countReview"),
"bullets": p.get("features", []),
"specs": {d["name"]: d["value"] for d in p.get("productDetails", [])},
"categories": p.get("categories", []),
"images": p.get("imageUrlList", []),
}
# inside main(), after the search loop: details for the first ten search hits
for row in rows[:10]:
print(product_details(row["asin"])){
"responseStatus": "PRODUCT_FOUND_RESPONSE",
"responseMessage": "Product successfully found!",
"productTitle": "Apple iPhone 11, 64GB, Black - Unlocked (Renewed)",
"manufacturer": "Visit the Amazon Renewed Store",
"countReview": 60024,
"productRating": "4.2 out of 5 stars",
"asin": "B07ZPKN6YR",
"warehouseAvailability": "This item cannot be shipped to your selected delivery location. Please choose a different delivery location.",
"retailPrice": 0,
"price": 0,
"productDetails": [
{
"name": "Operating System",
"value": "iOS 16"
},
{
"name": "RAM Memory Installed",
"value": "4 GB"
}
],
"categories": [
"Cell Phones & Accessories",
"Cell Phones"
]
}price es 0 en este ejemplo porque la página no mostraba ningún precio de compra: el artículo no se podía enviar a la dirección de entrega. Interpreta 0 como «sin precio por ahora», no como un producto gratuito.
06Reseñas de Amazon, costes y límites
Amazon solo muestra los listados completos de reseñas a usuarios con sesión iniciada, y everydata.io no inicia sesión. El endpoint de reseñas responde con responseStatus LOGIN_REQUIRED para las listas de reseñas; la consulta de producto devuelve la valoración, el número de reseñas y, en reviews, las reseñas destacadas que muestra la página del producto.
Cada página de búsqueda y cada consulta de producto es una solicitud. Extraer tres páginas de una palabra clave y los detalles de los diez primeros productos son 13 solicitudes, así que el plan gratuito de 100 solicitudes al mes alcanza para unas cuantas pruebas. Para ejecuciones diarias, consulta los precios; los errores del lado de Amazon nunca se cobran.
- Marketplaces:
com,de,co.uk,fr,ity los demás dominios que figuran en la documentación de la API; los precios llegan en la moneda de ese marketplace. - Una página de búsqueda contiene entre 20 y 26 productos en los ejemplos documentados, anuncios incluidos salvo que los excluyas.
- Solo datos públicos: lo que cualquier visitante ve en la página de Amazon, sin cuenta de Amazon.
Endpoints utilizados en esta guía
Search Products · API de Amazon
Product Details by ASIN · API de Amazon
Sort Options · API de Amazon
Qué más puedes hacer con estos datos
API de búsqueda de Amazon: resultados por palabra clave en JSON con ASIN, precios, valoraciones, Prime, ventas y patrocinados, en cualquier marketplace.
API de productos de Amazon en vez de un scraper: título, marca, precio, valoración, imágenes, specs, variantes y reseñas en JSON, por URL o ASIN.
Amazon price tracker por API: precio de la buy box, precio de lista y stock más el historial por ASIN en JSON, en 15+ marketplaces. 100 llamadas gratis.
Cualquier lista de más vendidos de Amazon en JSON: posiciones con ASIN, título, precio, valoración y número de reseñas para cada categoría y marketplace.
Pruébalo con tus propios datos
El plan gratuito incluye 100 solicitudes al mes, utilizables en todas las plataformas: suficiente para seguir esta guía de principio a fin.