Cómo rastrear Amazon o eBay usando proxies gratuitos

Eligiendo tu arsenal: Proxies gratuitos en la naturaleza

En el ágora digital, los proxies se erigen como centinelas efímeros: puertas al anonimato, la libertad y, por desgracia, a la fragilidad. El proxy libre, esa criatura esquiva, ofrece un paso, pero a un precio: inestabilidad, estrangulamiento o, en el peor de los casos, traición. Examinemos, con claridad cartesiana, el panorama:

Advertencia: Los proxies gratuitos son públicos y pueden estar comprometidos. Nunca envíe credenciales ni datos confidenciales a través de ellos.

Cosecha de Proxies: El Ritual

Bailar con lo efímero exige automatización. Convoquemos a Python y a sus acólitos, solicitudes y Sopa hermosa, para obtener proxies:

importar solicitudes de bs4 importar BeautifulSoup def fetch_proxies(): url = 'https://free-proxy-list.net/' soup = BeautifulSoup(requests.get(url).content, 'html.parser') proxies = [] para la fila en soup.find('table', id='proxylisttable').tbody.find_all('tr'): tds = row.find_all('td') si tds[6].text == 'yes': # Solo HTTPS proxy = f"{tds[0].text}:{tds[1].text}" proxies.append(proxy) devolver proxies

Proxies en rotación: el arte del disfraz

Amazon y eBay, esas fortalezas digitales, ejercen una fuerza decisiva con precisión mecánica. ¿La solución? Rotar proxies, cambiar agentes de usuario e introducir retrasos: una coreografía de distracción.

importar aleatorio importar tiempo proxies = fetch_proxies() agentes_de_usuario = [ # Un conjunto de agentes de usuario 'Mozilla/5.0 (Windows NT 10.0; Win64; x64)...', 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7)...', # Añadir más ] def get_random_headers(): return {'Agente_de_usuario': random.choice(agentes_de_usuario)} def get_random_proxy(): return {'http': f"http://{random.choice(proxies)}", 'https': f"http://{random.choice(proxies)}"} def request_with_proxy(url): para intento en rango(5): proxy = get_random_proxy() headers = get_random_headers() try: respuesta = solicitudes.get(url, encabezados=encabezados, proxies=proxy, tiempo de espera=5) si response.status_code == 200: devolver response.text excepto Excepción: continuar time.sleep(random.uniform(1, 3)) devolver Ninguno

Explorando Amazon: Navegando por el laberinto

Amazon implementa estrategias antibots: CAPTCHAs, contenido dinámico y bloqueos de IP. Para el scraping a pequeña escala, concéntrese en los listados de productos; para cualquier otro propósito, considere los límites éticos y legales.

Ejemplo: extracción de títulos de productos

de bs4 importar BeautifulSoup def scrape_amazon_product_title(asin): url = f"https://www.amazon.com/dp/{asin}" html = request_with_proxy(url) si no html: print("Error al recuperar la página.") return None soup = BeautifulSoup(html, 'html.parser') title = soup.find('span', id='productTitle') return title.text.strip() si title else None asin = 'B08N5WRWNW' # Ejemplo ASIN print(scrape_amazon_product_title(asin))

Raspando eBay: A través del bazar

eBay, un centinela menos vigilante, aún emplea la limitación de velocidad y la detección de bots, menos rigurosos, pero presentes. Céntrese en la página del artículo (p. ej., https://www.ebay.com/itm/ITEMID).

Ejemplo: Extracción del precio del artículo

def scrape_ebay_price(item_id): url = f"https://www.ebay.com/itm/{item_id}" html = request_with_proxy(url) if not html: print("Error al recuperar la página.") return None soup = BeautifulSoup(html, 'html.parser') price = soup.find('span', id='prcIsum') return price.text.strip() if price else None item_id = '234567890123' # Ejemplo de ID de artículo print(scrape_ebay_price(item_id))

Ofuscación: La poesía de la evasión

• Aleatorizar intervalos de solicitud:
  pitón
tiempo.sueño(aleatorio.uniforme(2, 6))
• Mezclar proxies y agentes de usuario con cada solicitud.
• Pausar o cambiar servidores proxy en detecciones HTTP 503, 403 o CAPTCHA.

Límites y legalidades:

Mejores prácticas:

• Pruebe los servidores proxy para comprobar su actividad antes de usarlos (muchos mueren en cuestión de horas).
• Respete el archivo robots.txt: no entre donde está prohibido.
• Limite la concurrencia (evite tormentas de subprocesos con proxies gratuitos).
• Analice con elegancia: los diseños de los sitios mutan como la maleza primaveral.

Herramientas y bibliotecas:

Ejemplo de rutina de validación de proxy:

def validate_proxy(proxy): try: r = requests.get('https://httpbin.org/ip', proxies={'http': proxy, 'https': proxy}, timeout=3) return r.status_code == 200 except: return False proxies = [p para p en proxies si validate_proxy(p)]

Una nota final sobre la persistencia:

Utilizar proxies gratuitos es como perseguir el horizonte: siempre cambiante, siempre inalcanzable. Rota, adáptate y nunca olvides que cada solicitud es una gota en el océano del comercio digital. La web es un ser vivo; trátala como tal, y aún podría revelar sus secretos.