5 лучших скрейперов Home Depot, которые я протестировал для данных о товарах

Онлайн-каталог Home Depot содержит миллионы URL товаров — и одни из самых жёстких антибот-защит в e-commerce. Если вы когда-нибудь пытались собрать цены, характеристики или данные о наличии с HomeDepot.com и вместо этого получали пустую страницу или загадочное «Oops!! Something went wrong», вы уже знаете, насколько это раздражает.

Последние несколько недель я тестировал пять инструментов для скрейпинга на одной и той же странице категории Home Depot и на одной странице товара, оценивая всё: от времени настройки до полноты полей и устойчивости к антибот-защите. Это не обзор по маркетинговым материалам. Это практическое сравнение рядом, для тех, кому нужны надёжные данные о товарах Home Depot — будь то отслеживание цен конкурентов, мониторинг остатков или создание товарных баз для вашего e-commerce-бизнеса.

Почему в 2026 году важно собирать данные о товарах Home Depot

Home Depot сообщил о продажах на сумму , при этом онлайн-продажи составили 15,9% выручки и росли на 8,7% год к году. Это делает компанию одним из крупнейших e-commerce-ориентиров в сфере товаров для дома и настоящей золотой жилой для тех, кто занимается конкурентной аналитикой.

Сценарии использования вполне конкретны:

• Конкурентное ценообразование: ритейлеры и маркетплейсы сравнивают текущую цену HD, цену со скидкой, промо-метки и стоимость доставки с Lowe's, Menards, Walmart, Amazon и профильными поставщиками.
• Мониторинг запасов: подрядчики, реселлеры и операционные команды следят за наличием в конкретных магазинах, бейджами «limited stock», окнами доставки и вариантами самовывоза.
• Анализ ассортимента: команды по мерчандайзингу сравнивают глубину категории, покрытие брендов, рейтинги и количество отзывов, чтобы выявить отсутствующие SKU или слабое покрытие private label.
• Исследование рынка: аналитики изучают структуру категорий, тональность отзывов, характеристики товаров, гарантийные условия и скорость появления новых продуктов.
• Поиск лидов для поставщиков: поставщики находят бренды, категории, услуги магазинов и товарные кластеры, актуальные для подрядчиков.

Ручной сбор данных на таком масштабе — это мучение. показало, что сотрудники в США тратят более 9 часов в неделю на повторяющийся ввод данных, что обходится компаниям примерно в 8 500 долларов на сотрудника в год. Если аналитик вручную проверяет 500 SKU Home Depot каждый понедельник, тратя 45 секунд на SKU, это более 325 часов в год — ещё до исправления ошибок.

Что реально можно собрать с HomeDepot.com: типы страниц и поля данных

Большинство гайдов по скрейпингу слишком общие. Они не говорят, что именно доступно на конкретных типах страниц Home Depot.

Страницы списка товаров (PLP)

Это страницы категорий, разделов, поиска и брендов — стартовая точка для большинства сценариев.

Публичный индекс sitemap Home Depot подтверждает масштаб покрытия PLP — выборочная проверка показала 45 000 URL страниц списка товаров в одном файле sitemap.

Страницы товара (PDP)

Именно на PDP хранится богатый набор данных. Чтобы попасть сюда со страницы списка, нужен скрейпинг подстраниц.

заявляет более 5,4 млн записей с полями, включая URL, номер модели, SKU, ID товара, название товара, производителя, финальную цену, начальную цену, статус наличия, категорию, рейтинги и отзывы.

Страницы категорий, поиска магазинов и отзывов

Страницы категорий/разделов: дерево категорий, ссылки на подкатегории, уточнённые ссылки категорий, рекомендуемые товары, значения фильтров/фасетов (бренд, цена, рейтинг, материал, цвет).

Страницы поиска магазинов: выборочная проверка для Атланты показала название магазина, номер магазина, адрес, расстояние, основной телефон, телефон Rental Center, телефон Pro Desk, часы работы в будни, часы работы в воскресенье и услуги (Free Workshops, Rental Center, услуги установки, доставка к бордюру, самовывоз в магазине).

Разделы отзывов и Q&A: имя автора, дата, звёздный рейтинг, заголовок отзыва, текст отзыва, полезные голоса, бейджи подтверждённой покупки, ответы продавца/производителя, текст вопроса, текст ответа.

Антибот-защита Home Depot: что реально проходит в 2026 году

Вот где большинство общих гайдов по скрейпингу разваливается.

В моём тесте прямой запрос к PDP Home Depot возвращал HTTP 403 Access Denied от AkamaiGHost. Запрос к странице категории возвращал фирменную страницу ошибки с текстом «Oops!! Something went wrong. Please refresh page.» В заголовках ответа были _abck, bm_sz, akavpau_prod и _bman — всё это согласуется с проверкой браузера в стиле Akamai Bot Manager.

Как выглядит сбой на практике:

• 403 Access Denied на уровне edge до загрузки контента
• Страницы блокировки/ошибки, которые выглядят как Home Depot, но не содержат данных о товарах
• Отсутствие динамических блоков — цена, наличие или доставка просто не отображаются
• CAPTCHA после повторных запросов
• Блокировки по репутации IP с дата-центровых IP, общих VPN или облачных хостов
• Несовпадение сессии и локации, когда цена меняется в зависимости от cookies ZIP-магазина

Надёжно проходят два подхода:

1. Residential proxy + управляемая browser-инфраструктура: residential или mobile IP, полная отрисовка браузера, обработка CAPTCHA и повторные попытки. Это enterprise-подход (сильная сторона Bright Data).
2. Скрейпинг через браузер в реальной пользовательской сессии: когда страница открывается в вашем обычном Chrome с входом в аккаунт, browser scraper читает уже отрисованную страницу с вашими cookies, выбранным магазином и контекстом геолокации. Это подход для бизнес-пользователей (сильная сторона Thunderbit).

Ни один инструмент не даёт 100% успеха на каждой странице Home Depot каждый раз. Честный ответ такой: лучшие инструменты предлагают запасные пути.

Как я тестировал: методология сравнения лучших скрейперов Home Depot

Я выбрал одну страницу категории Home Depot (Power Tools) и одну страницу товара (популярный набор DEWALT drill/driver). Я собрал обе страницы всеми пятью инструментами и зафиксировал:

• Время настройки: минуты от открытия инструмента до первого успешного результата
• Количество корректно извлечённых полей: из целевого списка полей PLP и PDP
• Успех пагинации: смог ли инструмент перейти на 2-ю, 3-ю и т. д. страницу
• Обогащение подстраниц: подтянулись ли характеристики PDP автоматически из списка
• Работа с антибот-защитой: вернулись ли реальные данные или страница блокировки
• Общее время скрейпинга: от старта до завершённого экспорта

Вот как я оценивал каждый критерий:

1. Thunderbit

— это AI-расширение для Chrome, созданное для нетехнических бизнес-пользователей, которым нужны структурированные данные с сайтов без написания кода, построения workflows или управления прокси. На Home Depot это был самый быстрый путь от «я смотрю на страницу» до «у меня уже есть таблица».

Как Thunderbit работает с Home Depot:

У Thunderbit есть два режима скрейпинга. Cloud Scraping обрабатывает до 50 страниц за раз через облачные серверы в США/Европе/Азии — удобно для публичных страниц категорий. Browser Scraping использует вашу собственную сессию Chrome, сохраняя выбранный магазин, ZIP-код, cookies и состояние входа. Когда облачные IP блокируются защитой Akamai от Home Depot, browser scraping читает страницу ровно так, как вы её видите.

Ключевые возможности:

• AI Suggest Fields: нажимаете одну кнопку на PDP Home Depot, и Thunderbit предлагает столбцы для названия товара, цены, характеристик, отзывов, изображений, наличия, Internet-номера и многого другого. Без ручной настройки селекторов.
• Скрейпинг подстраниц: начинаете со страницы категории, а Thunderbit автоматически переходит по каждой ссылке товара, добавляя характеристики, полные описания, номера моделей, изображения и сведения о наличии. Без ручного построения workflow.
• Планирование на естественном языке: задавайте повторяющиеся скрейпы простым английским («каждый понедельник в 8:00») для постоянного мониторинга цен или запасов.
• Бесплатный экспорт: Google Sheets, Excel, CSV, JSON, Airtable, Notion — всё включено без платных ограничений.
• Field AI Prompt: кастомная маркировка или категоризация по каждому столбцу (например, «извлечь напряжение аккумулятора из характеристик» или «классифицировать как cordless drill, impact driver или combo kit»).

Цена: есть бесплатный тариф. Модель на кредитах: 1 кредит = 1 строка результата. Платные планы начинаются примерно от $9/мес при годовой оплате. Актуальные детали смотрите на странице .

Лучше всего подходит для: бизнес-пользователей, e-commerce-операций, sales-команд и market researchers, которым нужны данные Home Depot в таблице как можно быстрее.

Как AI Suggest Fields Thunderbit работает на Home Depot

Вот реальный рабочий процесс, который я использовал:

1. Открыл страницу категории Home Depot в Chrome
2. Нажал
3. Нажал AI Suggest Fields — Thunderbit предложил столбцы: Product Name, Price, Rating, Review Count, Product URL, Image URL, Brand, Availability
4. Нажал Scrape, чтобы извлечь страницу списка
5. Использовал Scrape Subpages для столбца Product URL — Thunderbit открыл каждую PDP и добавил характеристики, полное описание, номер модели, все изображения, Internet number и детали наличия
6. Экспортировал напрямую в Google Sheets

Время настройки: менее 8 минут от нажатия на расширение до готовой таблицы. Без builder-а workflow, без поддержки селекторов, без настройки прокси.

Мои результаты теста на Home Depot:

Главное ограничение: Cloud Scraping может упираться в блокировки Akamai на некоторых страницах Home Depot. Решение простое — переключиться на Browser Scraping, который использует вашу реальную сессию. Для большинства бизнес-пользователей это не проблема, потому что вы и так уже смотрите страницу.

2. Octoparse

— это desktop-приложение с визуальным builder-ом в стиле point-and-click. Оно не требует программирования, но требует построения многошагового workflow: клики по карточкам товаров, настройка циклов пагинации и ручная настройка переходов на подстраницы.

Как Octoparse работает с Home Depot:

Octoparse использует облачный экстракт с ротацией IP и дополнительными модулями для обхода CAPTCHA. В борьбе с защитой Home Depot он показывает средний результат — на одних страницах работает, на других блокируется без прокси-апгрейда.

Ключевые возможности:

• Визуальный builder workflow с записью кликов
• Cloud scheduling на платных планах
• Доступны добавки для ротации IP и решения CAPTCHA
• Экспорт в CSV, Excel, JSON, подключения к базам данных
• Шаблоны задач для типовых паттернов сайтов

Цена: бесплатный тариф с 10 задачами и лимитом 50K данных в месяц. Standard-план — около $75–83/мес с cloud extraction и планированием. Professional-план — около $99/мес с 20 cloud nodes. Дополнения: residential proxies — примерно $3/GB, решение CAPTCHA — около $1–1,50 за 1 000.

Лучше всего подходит для: пользователей, которым комфортен визуальный дизайн workflow и которые хотят больше ручного контроля над логикой скрейпинга.

Сильные и слабые стороны Octoparse на Home Depot

Мои результаты теста:

Octoparse хорош, если вам нравится собирать workflows и не жалко потратить 30+ минут на первоначальную настройку. Компромисс по сравнению с Thunderbit очевиден: больше контроля, больше времени и меньше автоматического распознавания полей.

3. Bright Data

— это enterprise-решение. Оно сочетает огромную proxy-сеть (400M+ residential IPs), Web Scraper API с полной отрисовкой браузера, обработкой CAPTCHA и — что особенно важно — готовый набор данных Home Depot с .

Как Bright Data работает с Home Depot:

У Bright Data самая сильная антибот-инфраструктура среди всех инструментов в этом списке. Residential proxies, mobile IPs, geotargeting, browser fingerprinting и автоматические retry означают, что блокировки случаются редко. Но настройка не для слабонервных.

Ключевые возможности:

• Готовый набор данных Home Depot (покупка данных напрямую без скрейпинга)
• Web Scraper API с оплатой за успешную запись
• 400M+ residential IPs в 195 странах
• Полная отрисовка браузера и решение CAPTCHA
• Доставка в Snowflake, S3, Google Cloud, Azure, SFTP
• Форматы JSON, NDJSON, CSV, Parquet

Цена: бесплатного тарифа нет. Web Scraper API: $3,50 за 1 000 успешных записей (pay-as-you-go) или Scale-план за $499/мес, включая 384 000 записей. Минимальный заказ набора данных Home Depot: $50. Residential proxies начинаются примерно от $4/GB.

Лучше всего подходит для: enterprise data teams, программ мониторинга на крупных масштабах (10 000+ SKU) и организаций, которые предпочитают покупать поддерживаемые наборы данных вместо построения собственных скрейперов.

Сильные и слабые стороны Bright Data на Home Depot

Мои результаты теста:

Если вы один аналитик или небольшая команда, Bright Data — это избыточно. Если вы ведёте программу мониторинга на 50 000 SKU с командой data engineering, это самая надёжная инфраструктура, которую можно получить.

4. Apify

— это облачная платформа на базе actors, где пользователи запускают готовые или собственные скрипты для скрейпинга («actors») в облаке. Для Home Depot вы найдёте в marketplace community-акторы, но их качество и актуальность сильно различаются.

Как Apify работает с Home Depot:

Успех Apify полностью зависит от выбранного actor. Я протестировал (от $0,50 за 1 000 результатов) и actor для скрейпинга товаров. Результаты были смешанными.

Ключевые возможности:

• Большой marketplace готовых actors
• Разработка собственных actors на JavaScript/Python
• Встроенный scheduler для повторяющихся запусков
• Интеграции API, CSV, JSON, Google Sheets
• Управление прокси и browser automation

Цена: бесплатный план с $5/мес в compute credit. Starter — $49/мес, Scale — $499/мес. Цена зависит от actor (некоторые бесплатные, некоторые берут оплату за результат).

Лучше всего подходит для: разработчиков, которым нужен полный контроль над логикой скрейпинга и которые готовы оценивать, форкать или поддерживать actors.

Сильные и слабые стороны Apify на Home Depot

Мои результаты теста:

Community actor, который я тестировал для товарных данных, вытянул базовые поля, но пропустил характеристики и наличие по магазинам. Actor для отзывов хорошо справился с текстом отзывов и рейтингами. Основной риск: community-акторы могут ломаться, когда Home Depot меняет разметку, и гарантий поддержки нет.

5. ParseHub

— это desktop-приложение с визуальным point-and-click builder-ом, рассчитанным на новичков. Оно рендерит JavaScript и обрабатывает часть динамического контента, но с более жёсткой защитой Home Depot справляется слабо.

Как ParseHub работает с Home Depot:

ParseHub загружает страницы во встроенном браузере и позволяет кликать по элементам для задания правил извлечения. В борьбе с защитой Akamai от Home Depot он оказался самым слабым в этом списке — на одних страницах я получал частичные данные, на других — страницы блокировки.

Ключевые возможности:

• Визуальный выбор элементов point-and-click
• Рендеринг JavaScript
• Запуски по расписанию на платных планах
• Ротация IP на платных планах
• Экспорт в CSV, JSON
• Доступ к API для программного получения данных

Цена: бесплатный тариф с 5 проектами, 200 страницами за запуск и лимитом 40 минут на запуск. Standard-план начинается от $89/мес. Professional — $599/мес.

Лучше всего подходит для: абсолютных новичков, которые хотят попробовать небольшой визуальный скрейпинг и готовы мириться с ограниченным успехом на защищённых сайтах.

Сильные и слабые стороны ParseHub на Home Depot

Мои результаты теста:

ParseHub удобен, чтобы понять, как работает визуальный скрейпинг, но именно для Home Depot в 2026 году он недостаточно надёжен для production-мониторинга. Стартовая цена $89/мес на платных тарифах тоже делает его менее привлекательным, когда существуют бесплатные альтернативы вроде Thunderbit.

Сравнение бок о бок: все 5 скрейперов Home Depot на одной и той же странице

Полное сравнение по моему тестированию:

Победитель по критерию:

• Самая быстрая первая таблица: Thunderbit
• Лучший no-code AI setup: Thunderbit
• Лучший визуальный контроль workflow: Octoparse
• Лучшая enterprise-инфраструктура против антибота: Bright Data
• Лучший готовый набор данных Home Depot: Bright Data
• Лучший контроль для разработчиков: Apify
• Лучший бесплатный пробный старт для новичков: ParseHub (с оговорками)
• Лучший постоянный мониторинг с экспортом в Sheets/Airtable/Notion: Thunderbit

Автоматический мониторинг цен и запасов: больше, чем разовый скрейпинг

Большинству e-commerce-команд не нужен разовый сбор данных. Им нужен постоянный мониторинг — еженедельные изменения цен, ежедневный статус остатков, выявление новых товаров. Вот три шаблона workflow, которые работают.

Еженедельный мониторинг цен для 500 SKU

1. Введите URL категории Home Depot или результаты поиска в Thunderbit
2. Используйте AI Suggest Fields, чтобы захватить Product Name, URL, Price, Original Price, Rating, Review Count, Availability
3. Используйте Scrape Subpages для Internet Number, Model Number, Specs
4. Экспортируйте в Google Sheets
5. Запланируйте с помощью естественного языка: «каждый понедельник в 8:00»
6. В Google Sheets добавьте столбец scrape_date и формулу price_delta, сравнивающую эту неделю с прошлой

Простая формула для определения изменения цены:

1=current_price - XLOOKUP(product_url, previous_week_urls, previous_week_prices)

Вся настройка занимает около 15 минут и затем выполняется автоматически каждую неделю. Сравните это с Bright Data (нужна настройка API и участие инженеров) или Octoparse (нужно поддерживать визуальный workflow и следить за поломкой селекторов).

Ежедневная проверка наличия товара

Для приоритетных SKU в разных магазинах Home Depot:

1. Установите браузер на целевой ZIP/магазин
2. Соберите поля наличия PDP (in stock, limited stock, out of stock, delivery window, pickup options)
3. Объедините с данными store locator (название магазина, адрес, телефон, часы работы)
4. Экспортируйте в tracking sheet со столбцами: SKU, store_id, ZIP, availability, delivery_window, scrape_time
5. Настройте ежедневный запуск

Здесь Browser Scraping критически важен, потому что наличие в конкретном магазине зависит от cookie выбранного магазина.

Оповещения о новых товарах в категории

1. Ежедневно скрейпьте одну и ту же страницу категории
2. Захватывайте Product URL, Internet Number, Product Name, Brand, Price
3. Сравнивайте сегодняшние Internet Numbers со вчерашними
4. Помечайте новые строки как «добавлено недавно»
5. Отправляйте оповещения в Sheets, Airtable, Notion или Slack

Натурально-языковое планирование Thunderbit и делают поддержку таких workflow элементарной. Никаких cron jobs, никаких кастомных скриптов, никаких платных уровней интеграций.

Какой скрейпер Home Depot подходит именно вам? Краткое руководство

Дерево решений:

💡 «У меня нет опыта программирования, и данные нужны уже на этой неделе». → Thunderbit. AI-скрейпинг в два клика, расширение Chrome, бесплатный экспорт в Sheets/Excel. Самый быстрый путь от страницы к таблице.

💡 «Мне комфортны визуальные builder-ы, и я хочу больше контроля». → Octoparse (больше функций, больше настройки) или ParseHub (проще, но слабее против защит HD).

💡 «Мне нужны данные enterprise-уровня для 10 000+ SKU с ротацией прокси». → Bright Data. Самая сильная инфраструктура, готовые датасеты Home Depot, но нужны инженеры или управление поставщиком.

💡 «Я разработчик и хочу полный контроль над логикой скрейпинга». → Apify. На базе actors, с возможностью скриптинга, большой marketplace — но будьте готовы поддерживать или форкать actors, когда Home Depot меняет разметку.

Бюджетное руководство:

Советы, как скрейпить Home Depot и не попасть под блокировку

Практические рекомендации из моего тестирования:

1. Начинайте с маленьких партий перед масштабированием. Проверьте 10 товаров, убедитесь в качестве данных, потом расширяйте.
2. Используйте Browser Scraping, когда страница видна в вашей авторизованной сессии Chrome — так сохраняются cookies, выбранный магазин и контекст местоположения.
3. Используйте Cloud Scraping только для публичных страниц и только если он возвращает реальные данные о товарах, а не страницы блокировки.
4. Сохраняйте контекст локации: выбранный магазин, ZIP-код и регион доставки влияют на цену и наличие.
5. Растягивайте запуски по времени вместо того, чтобы за один раз бить по тысячам PDP.
6. Следите не только за завершением, но и за качеством вывода. Скрейпер может «успешно» вернуть страницу ошибки. Проверяйте отсутствие цен, подозрительно короткий HTML или текст вроде «Access Denied».
7. Определяйте страницы блокировки через проверку наличия ожидаемых полей (цена, название товара, характеристики) в результате.
8. Для больших объёмов используйте инфраструктуру managed unblocking или residential proxies.
9. Соблюдайте rate limits и не перегружайте серверы. Скрейпинг — это не DDoS.
10. Юридическое примечание: сбор публично видимых данных о товарах обычно обсуждается отдельно от взлома или доступа к приватным данным в рамках судебной практики США (см. ). Тем не менее, изучите Terms of Use Home Depot, избегайте личных/аккаунтных данных, не обходите механизмы контроля доступа и проконсультируйтесь с юристом перед коммерческим production-использованием.

Заключение

Победитель зависит от вашей команды, технического уровня и масштаба.

Для нетехнических бизнес-пользователей, которым нужны надёжные данные Home Depot в таблице — с AI-распознаванием полей, автоматическим обогащением подстраниц, планированием на естественном языке и бесплатным экспортом — Thunderbit — явный победитель. Он справился с антибот-защитой Home Depot через Browser Scraping, извлёк больше всего полей при минимальном времени настройки и не потребовал поддержки workflow.

Для enterprise-операций с поддержкой инженеров Bright Data предлагает самую сильную инфраструктуру и вариант с готовым датасетом. Для разработчиков, которым нужен полный контроль, Apify даёт гибкость на базе actors. А для пользователей, предпочитающих визуальные builder-ы, Octoparse даёт больше ручного контроля ценой более долгой настройки.

Если хотите посмотреть, как выглядит современный скрейпинг Home Depot, попробуйте на своих страницах. Вы можете удивиться, сколько данных удастся собрать меньше чем за 10 минут.

Хотите узнать больше об AI-скрейпинге? Посмотрите с пошаговыми разборками или прочитайте наш гайд о .

FAQ

1. Законно ли скрейпить данные о товарах Home Depot?

Сбор публично видимых данных о товарах — цен, характеристик, рейтингов — в американском праве обычно рассматривается иначе, чем доступ к приватной или защищённой аккаунтом информации. Линия дел hiQ v. LinkedIn в некоторых контекстах ограничивает применение CFAA к публичным веб-данным. Однако это не снимает всех рисков. Изучите Terms of Use Home Depot, не собирайте личные данные или данные аккаунта, не перегружайте их серверы и получите юридическую консультацию перед созданием коммерческого data pipeline.

2. Какой скрейпер Home Depot лучше всего подходит для постоянного мониторинга цен?

Thunderbit лучше всего подходит большинству команд, потому что сочетает AI-распознавание полей, встроенное планирование на естественном языке, обогащение подстраниц и бесплатный экспорт напрямую в Google Sheets. Вы можете настроить еженедельный мониторинг цен для 500 SKU примерно за 15 минут. Octoparse и Bright Data тоже поддерживают планирование, но требуют больше настройки и стоят дороже.

3. Можно ли собирать данные о наличии товаров в магазинах Home Depot?

Да, но это зависит от подхода. Наличие по магазину отображается в PDP-модулях выполнения заказа и меняется в зависимости от выбранного магазина/ZIP-кода. Скрейпинг через браузер (например, режим Browser Scraping в Thunderbit) — самый надёжный метод, потому что он читает страницу с уже выбранным магазином. Enterprise-инструменты вроде Bright Data тоже справятся с этим через geotargeting, но потребуют кастомной настройки.

4. Нужны ли навыки программирования, чтобы скрейпить Home Depot?

Нет — инструменты вроде Thunderbit и ParseHub полностью no-code. Octoparse использует визуальный builder, где нужна логика workflow, но не программирование. Apify и Bright Data более технические, особенно для кастомных настроек, интеграции API и мониторинга на production-уровне и в большом масштабе.

5. Почему некоторые скрейперы не работают на Home Depot, но работают на других сайтах?

Home Depot использует жёсткое определение ботов (что соответствует Akamai Bot Manager). Система проверяет репутацию IP, поведение браузера, cookies и динамическую отрисовку. Инструменты, которые полагаются на простые HTTP-запросы или дата-центровые IP, часто получают ошибки 403 или страницы блокировки. Самые надёжные подходы используют либо инфраструктуру residential proxy (Bright Data), либо скрейпинг в browser-session, который наследует реальные cookies и состояние сессии пользователя (Thunderbit).

Узнать больше