在 GitHub 上搜尋「amazon scraper」，大約會出現 3,515 個儲存庫。如果再縮小到最近六個月有更新的專案，數量就只剩約 727 個——不到 20%。那其餘的呢？多半是早已停更的教學、過時的封裝，以及 Amazon 一加強防禦就立刻失效的腳本。
我花了很多時間翻查 Amazon scraper 儲存庫、閱讀 GitHub issues，並追蹤 Reddit 和 Stack Overflow 上的社群討論。模式非常一致：有人找到一個熱門 repo，花一小時把它架起來，跑一次之後就被一整片 CAPTCHA 或 503 錯誤擋住。Amazon 在 2026 年的反機器人策略，和兩年前已經完全不同——TLS 指紋辨識、行為分析、以及更激進的 CAPTCHA 部署，讓過去那套「輪換 user agent，然後祈禱順利」的做法幾乎失效。這篇指南會整理真正重要的最佳做法：如果你想從 GitHub repo 穩定取得 Amazon 資料，該怎麼做；以及當你的 scraper 壞掉時，甚至不是「如果」，而是「何時」壞掉時，該怎麼應對。
GitHub 上的 Amazon Scraper 到底是什麼？為什麼這麼多都失敗？
GitHub 上的 Amazon scraper repo 通常是一個開源腳本——多半是 Python、Node.js 或基於 Scrapy——用來從 Amazon 頁面擷取結構化資料。常見的資料目標都很熟悉：商品標題、價格、ASIN、評分、評論數、庫存狀態、賣家資訊、搜尋結果卡片，以及評論文字。
整體架構通常很直觀：
- HTTP client 或無頭瀏覽器抓取頁面。
- HTML 或 JSON parser 擷取欄位。
- 資料存成 CSV、JSON 或資料庫。
這些 repo 大致可分成四類：
- 輕量級 Python 函式庫（例如 amzpy）
- Scrapy spiders（例如 amazon-python-scrapy-scraper）
- Selenium 或 Playwright 瀏覽器自動化工具
- API wrapper 專案，其實只是商業爬取服務的前端（例如 oxylabs/amazon-scraper）
失敗模式其實可以預期。大多數 repo 失效的原因包括：
- Amazon 改了頁面版型或 HTML 片段
- Amazon 直接回傳 503 或 CAPTCHA，而不是正常內容
- scraper 的 TLS 與 HTTP 指紋不再像瀏覽器
- 地區、語言或標頭不一致，觸發了可疑行為判定
- 原作者完成最初的窄範圍需求後就不再維護
高星數和「目前可用」是兩回事。根據我為這篇文章做的檢視，在八個廣為出現的 repo 裡，只有大約三個在 2026 年看起來明顯還有持續維護。
在複製任何 Amazon Scraper GitHub Repo 之前，先做 2026 新鮮度檢查
這一步對 Amazon 來說，比大多數其他目標都更重要。Amazon 的防禦策略變動速度，比一般電商網站快得多，所以一個在展示型網站上運作正常的 repo，可能幾週內就在 Amazon 上失去價值。然而大多數「best amazon scraper github」清單在推薦 repo 時，根本沒有確認它們是否還真的能跑。使用者常常白白花幾小時設定一個壞掉的工具。
如何判斷 GitHub Repo 是否還活著
在 git clone 之前，先做以下檢查：
- 最後一次 commit 日期： 在 Amazon 這種目標上，超過 6 個月沒更新就是明顯警訊。
- 未解決 issues 與回應率： 到 Issues 分頁搜尋「captcha」、「503」、「blocked」與「not working」。如果這些問題一直堆積，卻看不到維護者回覆，就別碰了。
- 依賴健康度： 打開
requirements.txt或package.json。過時的函式庫（例如不支援現代 TLS 處理的舊requests）是紅旗。 - Amazon 頁面類型涵蓋範圍： 這個 repo 是否同時支援商品頁、搜尋結果和評論頁？還是只支援其中一種？
- 反機器人策略： 只有硬編碼 headers、沒有 proxy 支援的做法，還停留在 2023 年，撐不到 2026。
Amazon Scraper GitHub 新鮮度檢查清單
| 新鮮度訊號 | 檢查重點 | 紅旗 🚩 |
|---|---|---|
| 最後 commit 日期 | Commit feed 或 repo 推送日期 | 超過 6 個月 |
| 未解決 issues | Issues 分頁——篩選「captcha」、「503」、「blocked」 | 一再壞掉，卻沒有維護者回覆 |
| 依賴健康度 | requirements.txt / package.json | 過時函式庫，沒有現代 TLS 策略 |
| Amazon 頁面涵蓋範圍 | README + 程式範例 | 只處理一種頁面（例如商品頁，不支援搜尋或評論） |
| 反機器人策略 | 原始碼、proxy 設定 | 只有硬編碼 headers 和 UA 字串 |
| 維護模式 | 真的是 scraper、教學，還是商業 API wrapper？ | 其實只是付費服務的前端 |
這次檢查真正發現了什麼
我根據上述標準檢查了八個廣為出現的 Amazon scraper repo。結果很令人警醒：
| Repo / 工具 | 星數 | 最後 commit 訊號 | 範圍 | 2026 狀態 | 備註 |
|---|---|---|---|---|---|
| oxylabs/amazon-scraper | 約 2,872 | 2026-04-02 | 代管 scraper API wrapper | 存活中，但不適合 DIY | 更新很新，但本質上是代管服務的前端 |
| omkarcloud/amazon-scraper | 約 214 | 2026-02-25 | 搜尋、詳情、評論的代管 API | 存活中，但不適合 DIY | 涵蓋範圍不錯，但它是 API 產品，不是原生 scraper |
| theonlyanil/amzpy | 約 110 | 2026-02-26 | 輕量級 Python 函式庫 | 存活中 | 目前最清楚的直接 GitHub scraper，使用 curl_cffi |
| philipperemy/amazon-reviews-scraper | 約 134 | 2024-11-21 | 只抓評論 | 範圍狹窄，但仍可用 | 很老，而且高度聚焦評論頁 |
| python-scrapy-playbook/amazon-python-scrapy-scraper | 約 74 | 最後 commit 2023；repo 推送 2024-08-20 | Scrapy spiders + proxy middleware | 教學等級，已老化 | 適合學習，不是 2026 的即戰型堆疊 |
| drawrowfly/amazon-product-api | 約 744 | 2022-11-13 | Node CLI，支援搜尋、詳情、評論 | 高風險 | 涵蓋範圍廣，但維護太久沒更新 |
| tducret/amazon-scraper-python | 約 881 | 2020-10-13 | 從搜尋到 CSV | 2026 已失效 | 歷史上很受歡迎，但明顯停更 |
| scrapehero-code/amazon-scraper | 約 432 | 2020-06-21 | 搜尋／商品教學 | 2026 已失效 | 幾乎可視為歸檔內容 |
公開 issues 也說明了同樣的情況。 drawrowfly/amazon-product-api 有一則 issue 標題叫「All requests receive captcha response.」。theonlyanil/amzpy 有「Doesn't seem to be working.」。python-scrapy-playbook 的 scraper 則是「Bypass Amazon protection.」。這些都不是冷門邊角案例——而是使用者最先會碰到的問題。
反封鎖實戰：如何避免用 GitHub 的 Amazon Scraper 被擋
被封鎖，是任何使用 amazon scraper github 專案的人最頭痛的問題。像「使用 proxies 和輪換 user agents」這種泛泛之談，現在已經不夠用了。Amazon 在 2025–2026 的反機器人堆疊，包含 TLS 指紋辨識、行為分析，以及更積極的 CAPTCHA 部署。你需要的是分層策略。
TLS 指紋匹配：為什麼原生 requests 會害你被封
這是最常被忽略的反封鎖技巧之一。TLS 指紋辨識的運作方式是：當你的腳本對 Amazon 建立安全連線時，伺服器可以透過「握手」方式看出很多客戶端特徵——例如支援的 cipher suites、extensions 的順序、HTTP/2 設定。瀏覽器會使用相對固定的 TLS 與 HTTP/2 設定，而這些組合可以透過 JA3 和 Akamai HTTP/2 fingerprints 之類的技術被識別。
單純的 requests 與一般 httpx 設定可以複製 headers，卻無法複製像 Chrome 那樣的 TLS 和 HTTP/2 行為。Amazon 分得出差異。
curl_cffi 就是直接針對這件事而生。它提供瀏覽器擬態——支援的目標包括 chrome136、safari184 和 firefox133——讓你的 HTTP client TLS 指紋更接近真實瀏覽器。文件也明確提醒不要隨機生成 JA3 字串：瀏覽器指紋在同一版本下大多是固定的，亂造一個反而比複製真實指紋更容易被偵測。
社群資料也印證了這點。Reddit 上一個關於 curl_cffi + Amazon 的討論串 確認 impersonate 參數很有用，因為它可以輪換瀏覽器 profile，並讓 headers 保持一致。另一則 Reddit 討論串 指出，Amazon 大約在「一到兩個月後」就會根據 TLS 指紋封鎖 client。還有一個 Stack Overflow 討論 直接問 Amazon 是否在 fingerprint python-requests（答案：是）。
如果你現在還把原生 requests 當作抓 Amazon 的第一線 client，那你應該先升級這個假設，再升級其他任何東西。
正確的 Proxy 輪換方式（不只是「用 proxies」）
Proxy 的目的不是盡可能頻繁輪換，而是讓 session 看起來可信。
住宅 proxy vs. 資料中心 proxy： 資料中心 proxy 比較便宜，但也更容易被偵測。住宅 proxy 成本較高，但 Amazon 更難標記。 Bright Data 的住宅 proxy 定價 起價是每 GB 4.00 美元，較大的方案可降到每 GB 3.50 美元。Oxylabs 住宅 proxy 起價則是每 GB 6 美元。Amazon 屬於那種「目標很成熟」的類型，住宅 proxy 的溢價通常是值得的。
每次請求輪換 vs. 每個 session 輪換： 這是很多教學最容易做錯的地方。每次 request 都換 proxy，卻維持固定 cookies 和 headers，反而可能看起來 更不像 真人，而不是更像。比較安全的模式是：
- 盡可能讓搜尋 → 商品 → 評論的流程走在同一個 sticky session
- 開始新的搜尋旅程時再切換 session，而不是每個 request 都切
- 在session 之間輪換，不要在單一瀏覽 session 裡亂跳
一位 Reddit 留言者 提到，在熱門電商網站上，標準 ISP IP 的表現遠不如行動 IP。另一個 討論串 也回報，即使輪換 user agent 並使用住宅 proxy，仍然會被封——這提醒我們：只靠 proxies 並不夠。
請求節奏、退避與速率限制
Amazon 的 503 頁面不是偶然的壞運氣，而是在回饋你。
一篇關於抓取超過 500 個 ASIN 的 Stack Overflow 貼文 提到，即使有 sleep，每次都會在相同位置、約第 101 個 ASIN 左右出現 503。這種模式並不新，但教訓很明確：單一 IP 或單一指紋的原始流量量級，終究會觸發防禦機制。
DIY GitHub scraper 的最佳節奏做法：
- 請求之間加入隨機延遲（不要固定間隔，因為那很容易被偵測）
- 對簡單 HTTP client，公開商品請求之間留 2 到 5 秒
- 遇到 503 或 CAPTCHA 後做 指數退避——逐步拉長等待，而不是立刻重試
- 降低 concurrency，比你直覺想要的還要低
- 使用 fail-open 記錄，不要寫成死循環重試
大多數 amazon scraper github repo 都沒有內建速率限制。這部分通常得自己加。
Header 編排：不只是 User-Agent 字串
Amazon 檢查的是整組 headers，不只是 User-Agent。
一組像真的瀏覽器的 headers 應該包含：
User-AgentAcceptAccept-LanguageAccept-Encoding- 適當時使用
Sec-CH-*提示 - 與所選瀏覽器 profile 一致的連線行為
Headers 也應該與 marketplace 的地區一致。有一位 Reddit 使用者在抓 10 個 Amazon 地區站時 發現，同一套 bot 設定只在某些地區被偵測到，另一位留言者則指向像 Accept-Language 這類和區域相關的 headers。
原則是：headers、TLS／瀏覽器 profile、以及 proxy 地理位置彼此不能矛盾。不要拿 Chrome 的 headers 配 Firefox UA。也不要用美國 proxy，卻送出 Accept-Language: de-DE。
CAPTCHA 處理：什麼時候該解，什麼時候該退
碰到 CAPTCHA 代表 Amazon 已經對你起疑心了。把它解開，並不會重置你的信任分數。
對於偶發、低頻率的 CAPTCHA 事件：
amazoncaptcha這個 PyPI 套件是純 Python 的 Amazon 文字 CAPTCHA 解題工具，但最新版本是 2023 年 5 月發布——請把它當成戰術工具，而不是長期策略- 2Captcha 對 Amazon Captcha 的定價是每 1,000 次 0.45 美元
對於反覆出現的 CAPTCHA 迴圈：
- 停止解題，開始退避
- 反覆 CAPTCHA 代表這個 session 已經燒掉了——解掉它們，並不能重建對 fingerprint、session 歷史或 IP 信譽的信任
- 如果 CAPTCHA 集中出現在某個 proxy 子網，問題在網路層，而不是 parser
什麼時候真的需要無頭瀏覽器，什麼時候只是過度設計
常見的錯誤直覺是：什麼都先跑 Playwright。
適合用瀏覽器的情境：
- 需要 JavaScript render 或與地區狀態相關的搜尋結果頁
- 會導向登入頁或 sign-in 頁面的評論流程
- cookies 和瀏覽器 context 比速度更重要的流程
不適合用瀏覽器的情境：
- 一般公開商品頁
- 只要像瀏覽器的 HTTP client 就足夠的靜態商品詳情擷取
- 重視運算效率的大規模批次抓取
先從能用的最輕量 client 開始。一則關於大規模抓取的 Reddit 討論串 也描述了這種遞進方式：先從 requests 開始，再用 curl_cffi，只有在輕量方案失敗時才升級成完整瀏覽器。對 Amazon 商品頁抓取來說，無頭瀏覽器在速度上和資源消耗上都明顯更重。
Amazon Scraper GitHub 專案的反封鎖決策矩陣
| 情境 | 建議做法 | 原因 |
|---|---|---|
| 公開商品頁（小規模） | curl_cffi + sticky 住宅 session | 成本最低，且仍像瀏覽器 |
| 搜尋結果頁 | 先用 curl_cffi，只有在 render 或 state 讓 HTTP 失效時才用 Playwright | 搜尋更有狀態，也更依賴地區設定 |
| 評論頁（需要登入） | 使用真實 cookies/session 的瀏覽器模式 | 登入與動態評論流程，比純 HTTP 更難模擬 |
| 大規模（每天 5k+） | 代管 scraper API、unlocker，或無程式碼平台 | 只靠 DIY GitHub 程式碼，最後會變成基礎設施問題 |
當你的 Amazon Scraper GitHub 專案壞掉時：要有無程式碼備援方案
有經驗的人都會準備 Plan B。
Amazon 的更新終究會在最糟的時候，把任何 GitHub repo 弄壞。對電商團隊來說，scraper 壞掉意味著錯過價格變動、競品資料過時，以及儀表板出現缺口。
很多搜尋「amazon scraper github」的人，其實是商業使用者——電商營運、行銷人員、FBA 研究者——他們嘗試寫程式解法，只因為找不到更好的選項。論壇資料也顯示，大家對 Amazon 官方 Product Advertising API 的不滿很真實：存取限制嚴格、資料有限，而且 註冊要求 讓很多賣家根本無法符合。
為什麼 GitHub 的 Amazon Scraper 需要持續維護
上面的檢查結果把這件事說得很清楚：
- 停更 repo 的 bug 報告只會越積越多，卻沒人修
- 現在「還能用」的 repo，README 也開始直接談反機器人措施
- 社群討論越來越集中在 TLS 指紋、CAPTCHA 迴圈和 proxy 品質，而不是 CSS selector
對商業使用者來說，這份維護成本才是真正隱藏的成本。repo 本身可能免費，但你在凌晨兩點 debug 它所花的時間，可不是免費的。
Thunderbit：一個實用的 Amazon Scraper 替代方案
Thunderbit 提供一個 Amazon Products Scraper 範本，可以擷取標題、價格、ASIN、評分、品牌、庫存、出貨地，以及原始 URL——完全不需要寫程式。
實際用起來大概是這樣：
- 2 次點擊即可抓取，不用先架 Python 環境、裝依賴、設 proxy
- 即時 Amazon 範本——不需要 AI 額外處理，只要 1 次點擊就能擷取
- 瀏覽器抓取模式，適用需要登入的頁面（像讓 GitHub scraper 使用者很頭痛的評論頁）
- 雲端抓取，可高速處理公開商品頁（一次 50 頁）
- 免費匯出到 Google Sheets、Airtable、Notion、Excel，不只是 CSV/JSON
- 排程爬蟲，適合持續監控價格
- AI 會自動適應版面變化——你不用自己維護
GitHub Amazon Scraper vs. Thunderbit：誠實比較
| 因素 | GitHub Scraper（例如 AmzPy） | Thunderbit |
|---|---|---|
| 設定時間 | 15–60 分鐘（Python、依賴、proxies） | 約 2 分鐘（安裝 Chrome 擴充功能） |
| 維護 | 你自己修壞掉的部分 | AI 會適應版面變化 |
| 反機器人處理 | 自己處理（proxies、headers、TLS） | 內建（雲端 + 瀏覽器模式） |
| 評論抓取（需登入） | session 管理複雜 | 瀏覽器抓取模式 |
| 資料匯出 | 只有 CSV/JSON | Sheets、Airtable、Notion、Excel、CSV、JSON |
| 排程 | 自己做（cron、Airflow 等） | 內建排程爬蟲 |
| 客製化 | 較高 | 較低 |
| 成本 | 免費（另加 proxy 成本） | 有免費方案；採點數制 |
誠實地說，取捨就在這裡：GitHub repo 提供更多客製化；Thunderbit 提供更高可靠性。如果你的團隊更在意可用性，而不是彈性，那麼無程式碼方案通常是更理性的選擇。
Amazon 排程與週期性抓取的最佳做法
大多數 amazon scraper github 專案都是為一次性執行而設計，但真實商業場景——價格監控、庫存追蹤、競品分析——都需要定期抓取。GitHub repo 幾乎不會原生附帶排程功能，使用者只能自己拼 cron job、Airflow 或 n8n workflows。
GitHub Amazon Scraper 的 DIY 排程
最低可行的週期性設定：
- 在 Linux 或 macOS 上用 cron job 按排程執行腳本
- 使用 只追加日誌，方便之後回頭 debug 失敗原因
- 依 ASIN + 時間戳 去重，避免重複儲存資料
- 設定 失敗警示（即使只是非零 exit 時寄封 email），讓你知道任務在凌晨 3 點壞掉了
對更複雜的團隊來說：
- n8n 適合輕量 workflow 自動化（社群討論中經常被提到）
- Airflow 適合較重的排程資料管線
- 如果你需要 diff 與歷史紀錄，就要用 資料庫保存狀態
關鍵最佳做法不是排程器本身，而是 狀態管理。要追蹤上一次成功執行、最後一批 ASIN、已變動價格，以及失敗 URL。
用 Thunderbit 讓排程更簡單
Thunderbit 的 scheduled scraper 可以讓你用自然語言描述間隔、輸入 URL，然後按一下「Schedule」。AI 會把自然語言轉成 cron 排程，完全不需要技術設定。對那些要監控價格或競品新品發布、但不是工程背景的電商團隊來說，這能大幅減少營運摩擦。
週期性 Amazon 抓取的最佳做法
不管你用什麼工具，這些都適用：
- 依 ASIN + 時間窗去重——每次執行不要存同一個商品兩次
- 把價格存成數字，不要存原始字串——後續清理更省事
- 每一列都加上抓取時間戳——做趨勢分析時會用到
- 追蹤變化量，而不只是當前狀態——「價格比上週降了 12%」比「價格是 24.99 美元」更有用
- 針對有意義的變化發警示——競品降價 15% 值得通知；0.5% 波動只是雜訊
- 思考資料儲存方式——小規模可用平面檔；若每天 5k+ ASIN，建議用資料庫或雲端試算表
輸出品質逐項比較：不同 Amazon Scraper GitHub 做法實際回傳什麼
沒有人真的會把各個 amazon scraper github repo 的輸出品質拿來並排比較。使用者非常在意資料品質——「哪個工具給的資料最乾淨、最完整」——但卻只能自己 clone 每個 repo 測試。這一節就是要補上這個缺口。
熱門 GitHub Repo 實際擷取了什麼、又漏掉了什麼
根據 README 範例、公開示例與已文件化的輸出格式：
| 做法 | 明確擷取的內容 | 常見缺口／取捨 |
|---|---|---|
| amzpy | 標題、價格、幣別、圖片 URL、評分、評論、變體、ASIN | 偏向商品頁；對完整評論／規格段落較不豐富 |
| tducret/amazon-scraper-python | 含標題、評分、評論數、商品 URL、圖片 URL、ASIN 的 CSV | 停更、以列表為主、反機器人策略偏弱 |
| python-scrapy-playbook scraper | 搜尋結果、商品頁、評論、CSV/JSON pipeline | 教學等級；依賴外部 proxy middleware；通常需要更多清理 |
| omkarcloud/amazon-scraper | 搜尋、分類、詳情、熱門評論、許多圖片／影片／規格 | 不是原生 scraper，而是代管 API 服務 |
| Thunderbit Amazon template | 標題、價格、ASIN、品牌、評分、評論、庫存、出貨地、子頁面補強 | 比起自訂腳本，程式層級控制較少 |
輸出品質比較表
| 資料欄位 | AmzPy | 基於 Scrapy 的 repo | Selenium repo | Thunderbit |
|---|---|---|---|---|
| 商品標題 | ✅ | ✅ | ✅ | ✅ |
| 價格（數值） | ⚠️ 字串 | ✅ | ⚠️ 字串 | ✅（數字型別） |
| 評分 | ✅ | ✅ | ✅ | ✅ |
| 評論數 | ❌ | ✅ | ✅ | ✅ |
| ASIN | ✅ | ✅ | ✅ | ✅ |
| 商品圖片 | ❌ | ⚠️ 只有縮圖 | ✅ | ✅（高解析度，可匯出） |
| 成分／規格 | ❌ | ❌ | ❌ | ✅（透過子頁抓取 + AI） |
| 匯出到 Sheets/Airtable | ❌ | ❌ | ❌ | ✅ 免費 |
為什麼資料格式對商業使用者很重要
雜亂資料會製造隱形勞動。即使 scraper 成功了，如果出現以下情況，營運上還是可能失敗：
- 價格是帶貨幣符號的字串，而不是乾淨的數字
- 缺失值不一致（空字串、null、
"N/A"混用） - 圖片只有低解析度縮圖
- 評論欄位或規格要先後處理才能分析
對電商營運團隊來說，乾淨資料會直接影響分析速度與決策效率。Thunderbit 的 AI 會依資料型別格式化——數字就是數字、日期就是日期、URL 就是 URL——所以拿到手就能直接使用。GitHub repo 在這方面差異很大，而清理時間很快就會累積起來。
快速參考：Amazon Scraper GitHub 最佳做法清單
- 複製前先看最後 commit 日期。 在 Amazon 上，超過六個月沒更新就是強烈警訊。
- 安裝前先搜尋 issues，看看有沒有「captcha」、「503」、「blocked」和「not working」。
- 優先使用
curl_cffi或其他能模擬瀏覽器的 HTTP client，而不是原生requests。 - 保持 headers、TLS profile、語言和 proxy 地理位置一致——不要彼此矛盾。
- 瀏覽流程使用 sticky sessions；不要每個 request 都盲目輪換。
- 加入隨機節奏 與指數退避。
- 把重複 CAPTCHA 視為 session 已燒掉，而不是可以硬解的謎題。
- 只有在 HTTP client 無法可靠還原頁面時，才使用無頭瀏覽器。
- 儲存檢查點與狀態，讓失敗任務可以安全續跑。
- 準備備援方案——不管是代管 API，還是像 Thunderbit 這種無程式碼工具。
2026 年 Amazon 抓取的法律與倫理考量
有幾件事值得簡短了解。
Amazon 的立場偏嚴格，而且愈來愈嚴格。最明顯的訊號包括：
- Amazon 自己的說明頁現在會回傳一個 403 頁面，內容寫著：「若要討論對 Amazon 資料的自動化存取，請聯絡 api-services-support@amazon.com。」
- Amazon 的 robots.txt 禁止了大量動態頁面、評論、個人檔案、願望清單與商品列表相關路徑。
- Amazon 在 2025 年 10 月 31 日寄給 Perplexity 的 cease-and-desist 信 中，明確反對隱蔽或偽裝的代理人存取、繞過安全措施，以及將代理人偽裝成 Google Chrome。Amazon 也針對此事件 發表了公開聲明。
- Amazon 在 2025 年底還 擴大了 bot 排除規則，針對 OpenAI crawlers 加強限制。
當你從公開商品頁轉向需驗證登入的流程、偽裝自動化，或大規模商業擷取時，實際風險會明顯升高。這不是法律建議——請就你的具體情況諮詢自己的法務團隊。
重點結論：在不被封鎖的前提下取得可靠的 Amazon 資料
依重要性排序：
- 先檢查，再複製。 假設大多數 GitHub 結果都已停更、只是教學，或只是商業 API 的封裝。
- 先升級網路層。 TLS 指紋辨識和 session 一致性，比 HTML selector 更重要。
- 使用 sticky 住宅 session，不要隨機亂跳的 proxy。 在 session 之間輪換，不要在 session 內亂輪換。
- 把請求節奏做得像真人，而不是壓力測試。 隨機延遲和指數退避不可妥協。
- 單發 CAPTCHA 就解；反覆受挑戰的 session 就退休。 不要硬解一個已經燒掉的 fingerprint。
- 要有備援。 Amazon 可能在週中改個東西，你的 GitHub scraper 就會壞。像 Thunderbit 這種持續維護的無程式碼工具，或代管 API，都能在你除錯時維持資料管線運作。
- 優先重視輸出品質。 乾淨、型別正確的資料，比速度快但很髒的 scraper 更能省下後續時間。
如果你要的是可靠性，而不是客製化，Thunderbit 提供了一個有持續維護的替代方案——可以看看 Amazon Products Scraper 範本，或到 Thunderbit YouTube 頻道 看教學。想要完全控制權的開發者，當然也可以用 GitHub repo——但前提是要搭配本指南提到的反封鎖與維護做法。
常見問題
用 GitHub scraper 抓 Amazon 商品資料是否合法？
Amazon 的服務條款限制自動化資料蒐集，而且 Amazon 也積極透過 cease-and-desist 信與技術反制措施來執行這項限制（尤其是在 2025–2026 年）。抓取公開可見的商品資料屬於灰色地帶；若是在登入後抓取，或把你的 bot 偽裝成真實瀏覽器，風險會更高。這不是法律建議——請針對你的具體使用情境諮詢法務團隊。
Amazon scraper GitHub repo 多久會壞一次？
很頻繁。Amazon 會定期更改頁面版型、加入新的反機器人層，並讓某些端點失效。根據本文檢視，在八個廣為出現的 repo 中，只有大約 3 個在 2026 年明顯可正常運作。即使是「可用」的 repo，也常常有關於 CAPTCHA 和 503 錯誤的未解 issues。你應該預期每隔幾週到幾個月，就需要除錯或更新設定。
2026 年 GitHub 上最好的 Amazon scraper 是哪個？
沒有單一答案——要看你的使用情境與技術熟悉度。若你要的是輕量、直接的 Python scraper， amzpy 算是較新的選項之一。若你要透過代管 API 獲得更廣泛涵蓋範圍，omkarcloud/amazon-scraper 可以用，但它不是真正的 DIY。請先套用本文的新鮮度檢查清單，再決定是否投入任何 repo。
Thunderbit 可以不用寫程式就抓 Amazon 嗎？
可以。Thunderbit 的 Amazon Products Scraper 範本 只要一鍵，就能擷取商品標題、價格、ASIN、評分、品牌、庫存等資訊。它支援需要登入頁面的瀏覽器抓取模式、公開頁面的高速雲端抓取、週期性任務的排程抓取，以及免費匯出到 Google Sheets、Airtable、Notion 和 Excel。你可以先安裝 Thunderbit Chrome 擴充功能 開始使用。
抓 Amazon 時，怎麼避免我的 IP 被封？
請採用分層策略：(1) 從原生 requests 改用像 curl_cffi 這種能模擬 TLS 的 client，(2) 使用帶 sticky session 的住宅 proxy，而不是隨機輪換資料中心 proxy，(3) 加入隨機節奏與指數退避，(4) 讓完整 header 組合與你的瀏覽器 profile 和 marketplace 地區一致，(5) 將反覆 CAPTCHA 視為 session 該退役的訊號，而不是無限解題的謎題。更多細節可參考本文前面的反封鎖決策矩陣。
