我如何用 Python 抓取 Amazon 評論（突破登入牆）

我的 Amazon 評論爬蟲連續跑了六週都沒問題——直到某天早上，它回傳了 200 OK，但頁面卻空空如也。沒有錯誤、沒有 CAPTCHA，只有原本該有數百則評論的位置，變成了一片空白的 HTML。

如果你也遇過這種情況，你不是孤單的。到了 2025 年底，Amazon 開始把完整評論頁面擋在登入牆後面，導致大量 Python 爬蟲腳本一夜之間失效。過去幾個月，我在 一邊打造我們的 AI 爬蟲，一邊維護自己的 Python 評論抓取流程，算是從兩個角度一路踩坑、一路修正，所以我想把當初最希望有人寫給我的那份指南整理出來。這篇文章會完整介紹可行做法：以 cookie 為基礎的驗證、能撐過 Amazon CSS 混淆的穩定選擇器、突破 10 頁分頁上限的替代方案、反機器人防護，以及最後的加碼——把原始評論文字轉成真正商業洞察的情緒分析。若你看到一半就想：「我其實不想維護這麼多程式碼」，我也會示範 如何用大約兩分鐘、完全不寫 Python 就做完同樣的事。

什麼是 Amazon 評論抓取？為什麼它很重要？

Amazon 評論抓取，是指用程式化方式擷取 Amazon 商品頁上的顧客評論資料——像是星等、評論內容、作者名稱、日期、是否為已驗證購買等。由於 Amazon ，而且後來也沒有再開放，因此網頁爬蟲幾乎是取得這些資料的唯一程式化途徑。

數據也支持這一點。，而且 。商品頁只展示 5 則評論，就可能讓 。而那些系統化分析評論情緒的公司，客戶留存率可 。這不只是抽象的資料科學，而是競品情報、產品改善訊號與行銷語言，全都明明白白躺在 Amazon 伺服器上的文字裡。

為什麼要用 Python 抓 Amazon 評論

Python 仍然是這類工作的首選語言。它在 ，而且它的生態系——requests、BeautifulSoup、pandas、Scrapy——讓即使不是全職工程師的人，也能比較容易上手網頁爬蟲。

不同團隊會以不同方式運用這些資料：

某廚具品牌 ，重新調整配方後，在 60 天內拿回了類別第一名的暢銷排行。另一家健身追蹤器公司 ，追查後確認是乳膠過敏問題，隨即推出低敏版本，退貨率因此下降 40%。這正是讓工程投入值得的 ROI。

登入牆：為什麼你的 Amazon 評論爬蟲突然失效

2024 年 11 月 14 日，Amazon 。這項變更也在 與 上獲得確認。當你在無痕視窗中開啟 /product-reviews/{ASIN}/，看到的會是登入頁，而不是評論資料。

症狀其實很隱晦：你的腳本拿到的是 200 OK，但 HTML 內容裡出現的是登入表單（例如 name="email"、id="ap_password"），而不是評論。沒有錯誤碼，也沒有 CAPTCHA，只有……毫無用處的內容。

Amazon 這麼做是基於反機器人與區域合規的考量。實際執行並不完全一致——有時候一個剛開的瀏覽器視窗在登入牆生效前，還是會先載入少量評論，尤其是第一頁——但只要是要大規模抓取，就應該預設登入牆永遠存在。

不同的 Amazon 國家站（.de、.co.uk、.co.jp）會各自獨立執行這項限制。正如某位論壇使用者所說：「每個國家都需要各自登入。」你的 .com cookies 不會在 .co.uk 上通用。

精選評論 vs. 完整評論：不登入還能看到什麼

Amazon 商品頁（/dp/{ASIN}/）在未驗證狀態下，仍會顯示大約 。這些是 Amazon 演算法挑選出來的內容，適合快速看一下整體口碑，但不能排序、篩選，也不能分頁。

而完整評論頁（/product-reviews/{ASIN}/）——可依最新排序、依星等篩選，並可翻閱數百則評論——則需要登入。

如果你只是想快速抓幾則評論做初步判斷，商品頁就夠了；如果你要幾百、幾千則，就得處理驗證。

開始前你需要準備什麼：Python 環境與函式庫

在寫任何程式之前，先準備以下環境：

• 難度： 中階（熟悉 Python、具備基本 HTML 知識）
• 所需時間： 完整流程約 45 分鐘；基本抓取約 10 分鐘
• 你需要： Python 3.8+、Chrome 瀏覽器、有效的 Amazon 帳號

安裝核心套件：

1pip install requests beautifulsoup4 lxml pandas textblob

選用套件（進階情緒分析用）：

1pip install transformers torch

ASIN 是什麼？ 它是 Amazon 的 10 碼商品識別碼。你可以在任何商品網址中找到它——例如 amazon.com/dp/B0BCNKKZ91，其中的 ASIN 就是 B0BCNKKZ91。這就是你要放進評論網址的關鍵值。

步驟 1：用 Cookie 驗證突破登入牆

最穩定的方法，是先在瀏覽器登入 Amazon，再把你的 session cookies 複製出來，注入到 Python 的 requests.Session() 中。這樣可以避開 Selenium 式登入自動化常見的 CAPTCHA 與簡訊 2FA 問題。

你需要這 7 個 cookies：

如何從 Chrome DevTools 匯出 cookies

1. 在 Chrome 中登入 amazon.com
2. 開啟 DevTools（F12 或右鍵 → 檢查）
3. 前往 Application → Storage → Cookies → https://www.amazon.com
4. 在表格中找到每個 cookie 名稱，複製它的值
5. 把它們整理成以分號分隔的字串，供 Python 使用

像這樣建立 session：

1import requests
2session = requests.Session()
3# 把你的 cookie 值貼在這裡
4cookies = {
5    "session-id": "YOUR_SESSION_ID",
6    "session-id-time": "YOUR_SESSION_ID_TIME",
7    "session-token": "YOUR_SESSION_TOKEN",
8    "ubid-main": "YOUR_UBID_MAIN",
9    "at-main": "YOUR_AT_MAIN",
10    "sess-at-main": "YOUR_SESS_AT_MAIN",
11    "x-main": "YOUR_X_MAIN",
12}
13headers = {
14    "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/147.0.0.0 Safari/537.36",
15    "Accept": "text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8",
16    "Accept-Language": "en-US,en;q=0.5",
17}
18session.cookies.update(cookies)
19session.headers.update(headers)

重要： 所有請求都要共用同一個 session 物件。這能保持 cookie 一致，並模擬真實瀏覽器的瀏覽狀態。cookies 通常可以維持數天到數週，但如果你又開始遇到登入跳轉，就要從瀏覽器重新更新一次。

至於非 .com 的站點，cookie 名稱會有些微差異——amazon.de 會用 at-acbde 取代 at-main，amazon.co.uk 則會用 at-acbuk，依此類推。每個站點都需要各自獨立的 session。

步驟 2：建立請求，並用 BeautifulSoup 解析評論 HTML

Amazon 評論網址格式如下：

1https://www.amazon.com/product-reviews/{ASIN}/ref=cm_cr_arp_d_viewopt_srt?sortBy=recent&pageNumber=1

核心函式如下：

1from bs4 import BeautifulSoup
2import time, random
3def get_soup(session, url):
4    time.sleep(random.uniform(2, 5))  # 禮貌性延遲
5    response = session.get(url, timeout=15)
6    # 偵測登入牆
7    if "ap_email" in response.text or "Amazon Sign-In" in response.text:
8        raise Exception("偵測到登入牆 — 請更新你的 cookies")
9    if response.status_code != 200:
10        raise Exception(f"HTTP {response.status_code}")
11    return BeautifulSoup(response.text, "lxml")

還有一個小技巧很有用：在打開評論頁之前，先拜訪商品頁。這會讓你的 session 更像一般自然瀏覽。

1# 先拜訪商品頁（模擬真實瀏覽）
2product_url = f"https://www.amazon.com/dp/{asin}"
3session.get(product_url, timeout=15)
4time.sleep(random.uniform(1, 3))
5# 再進評論頁
6reviews_url = f"https://www.amazon.com/product-reviews/{asin}/ref=cm_cr_arp_d_viewopt_srt?sortBy=recent&pageNumber=1"
7soup = get_soup(session, reviews_url)

步驟 3：用穩定選擇器擷取評論資料（別再依賴 CSS class）

這是大多數 2022–2023 教學會失敗的地方。Amazon 會混淆 CSS class 名稱——它們會週期性變動，正如某位在論壇上抱怨的開發者所說：「它們根本沒有一個穩定規律可循，連 span 標籤的 class 名稱都沒有一致模式。」

解法是：Amazon 在評論元素上使用 data-hook 屬性，而這些屬性相當穩定。它們是語意化識別碼，也是 Amazon 前端程式碼所依賴的，因此不會被隨意隨機化。

以下是使用 data-hook 選擇器的擷取程式：

1import re
2def extract_reviews(soup):
3    reviews = []
4    review_divs = soup.select('[data-hook="review"]')
5    for div in review_divs:
6        # 星等
7        rating_el = div.select_one('[data-hook="review-star-rating"]')
8        rating = None
9        if rating_el:
10            rating_text = rating_el.get_text(strip=True)
11            match = re.search(r'(\d\.?\d?)', rating_text)
12            if match:
13                rating = float(match.group(1))
14        # 標題
15        title_el = div.select_one('[data-hook="review-title"]')
16        title = title_el.get_text(strip=True) if title_el else ""
17        # 內容
18        body_el = div.select_one('[data-hook="review-body"]')
19        body = body_el.get_text(strip=True) if body_el else ""
20        # 作者
21        author_el = div.select_one('span.a-profile-name')
22        author = author_el.get_text(strip=True) if author_el else ""
23        # 日期與國家
24        date_el = div.select_one('[data-hook="review-date"]')
25        date_text = date_el.get_text(strip=True) if date_el else ""
26        # 格式："Reviewed in the United States on January 15, 2025"
27        country_match = re.search(r'Reviewed in (.+?) on', date_text)
28        date_match = re.search(r'on (.+)$', date_text)
29        country = country_match.group(1) if country_match else ""
30        date = date_match.group(1) if date_match else ""
31        # 已驗證購買
32        verified_el = div.select_one('[data-hook="avp-badge"]')
33        verified = bool(verified_el)
34        reviews.append({
35            "author": author,
36            "rating": rating,
37            "title": title,
38            "content": body,
39            "date": date,
40            "country": country,
41            "verified": verified,
42        })
43    return reviews

我已經把這組選擇器拿去對多個 ASIN 連續跑了好幾個月，data-hook 屬性一次都沒變過。反觀 CSS class，在同一段時間內至少輪替了兩次。

步驟 4：處理分頁與 Amazon 的 10 頁上限

Amazon 會把 pageNumber 參數限制在 10 頁、每頁 10 則評論——也就是每種篩選組合最多約 100 則評論。當你翻到第 10 頁後，「下一頁」按鈕就會直接消失。

基本分頁迴圈：

1all_reviews = []
2for page in range(1, 11):
3    url = f"https://www.amazon.com/product-reviews/{asin}/ref=cm_cr_arp_d_viewopt_srt?sortBy=recent&pageNumber={page}"
4    soup = get_soup(session, url)
5    page_reviews = extract_reviews(soup)
6    if not page_reviews:
7        break  # 這一頁已經沒有更多評論
8    all_reviews.extend(page_reviews)
9    print(f"第 {page} 頁：{len(page_reviews)} 則評論")

如何抓到超過 10 頁的 Amazon 評論

解法是分組切桶。每一組 filterByStar 與 sortBy 的組合，都有自己獨立的 10 頁視窗。

星等篩選值： one_star、two_star、three_star、four_star、five_star
排序值： recent、helpful（預設）

把 5 種星等篩選 × 2 種排序全部組合起來，你最多可以接觸到 100 頁、每個商品 1,000 則評論——而且對於星等分布不平均的商品，通常還能接近完整評論集合。

1star_filters = ["one_star", "two_star", "three_star", "four_star", "five_star"]
2sort_orders = ["recent", "helpful"]
3all_reviews = []
4seen_titles = set()  # 簡單去重
5for star in star_filters:
6    for sort in sort_orders:
7        for page in range(1, 11):
8            url = (
9                f"https://www.amazon.com/product-reviews/{asin}"
10                f"?filterByStar={star}&sortBy={sort}&pageNumber={page}"
11            )
12            soup = get_soup(session, url)
13            page_reviews = extract_reviews(soup)
14            if not page_reviews:
15                break
16            for review in page_reviews:
17                # 以標題 + 作者作為去重鍵
18                key = (review["title"], review["author"])
19                if key not in seen_titles:
20                    seen_titles.add(key)
21                    all_reviews.append(review)
22            print(f"[{star}/{sort}] 第 {page} 頁：{len(page_reviews)} 則評論")
23print(f"總共唯一評論數：{len(all_reviews)}")

不同桶之間會有重疊，所以去重很重要。我會用評論標題 + 作者名稱組合成一個快速鍵值——雖然不是完美，但足以抓出大多數重複資料。

步驟 5：閃避反機器人防禦（輪替、限速、重試）

Amazon 使用 AWS WAF Bot Control，而且近年明顯更積極了。只靠單一層防護（例如只換 User-Agent、只加延遲）已經不夠。

適合正式環境的重試包裝器：

1import time, random
2USER_AGENTS = [
3    "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/147.0.0.0 Safari/537.36",
4    "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/147.0.0.0 Safari/537.36",
5    "Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:149.0) Gecko/20100101 Firefox/149.0",
6    "Mozilla/5.0 (Macintosh; Intel Mac OS X 15_7_5) AppleWebKit/605.1.15 (KHTML, like Gecko) Version/26.0 Safari/605.1.15",
7    "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/146.0.0.0 Safari/537.36",
8]
9def scrape_with_retries(session, url, max_retries=3):
10    for attempt in range(max_retries):
11        try:
12            session.headers["User-Agent"] = random.choice(USER_AGENTS)
13            time.sleep(random.uniform(2, 5))
14            response = session.get(url, timeout=15)
15            # 偵測封鎖
16            if "validateCaptcha" in response.url or "Robot Check" in response.text:
17                wait = (2 ** attempt) * 5
18                print(f"偵測到 CAPTCHA。等待 {wait} 秒...")
19                time.sleep(wait)
20                continue
21            if response.status_code in (429, 503):
22                wait = (2 ** attempt) * 2
23                print(f"觸發速率限制（{response.status_code}）。等待 {wait} 秒...")
24                time.sleep(wait)
25                continue
26            if "ap_email" in response.text:
27                raise Exception("登入牆 — cookies 已失效")
28            return BeautifulSoup(response.text, "lxml")
29        except Exception as e:
30            if attempt == max_retries - 1:
31                raise
32            print(f"第 {attempt + 1} 次嘗試失敗：{e}")
33    return None

關於代理：Amazon （像是 AWS、GCP、Azure、DigitalOcean）。如果你要抓超過幾百頁，住宅代理幾乎是必需的——費用大概每月 50–200 美元以上，視流量而定。若只是小型專案（每天少於 100 次請求），從家用 IP 謹慎限速通常就夠用。

Amazon 也會檢查 TLS 指紋。Python 原生 requests 套件有一個 。若是正式爬蟲，建議考慮 curl_cffi，它可以模擬真實瀏覽器的 TLS 堆疊。若只是教學規模（幾百頁），requests 搭配良好 headers 通常就能完成任務。

步驟 6：把抓到的 Amazon 評論匯出成 CSV 或 Excel

當你收集完評論後，用 pandas 匯出成可使用格式其實很簡單：

1import pandas as pd
2df = pd.DataFrame(all_reviews)
3df.to_csv("amazon_reviews.csv", index=False)
4print(f"已匯出 {len(df)} 則評論到 amazon_reviews.csv")

範例輸出：

若要匯出 Excel：df.to_excel("amazon_reviews.xlsx", index=False)（需要 openpyxl）。

若要匯入 Google Sheets，gspread 雖然可行，但需要 ——建立專案、啟用兩個 API、產生服務帳戶憑證、分享試算表。如果你覺得這些設定比實際抓資料還多，那你沒有看錯。（這也是像 這類可一鍵匯出到 Google Sheets 的工具，開始讓人覺得很香的原因之一。）

加碼：用 5 行 Python 為評論加入情緒分析

多數爬蟲教學只做到 CSV 匯出就結束了。但真正能把原始資料變成商業決策的，是情緒分數。

最快的基礎做法是用 TextBlob：

1from textblob import TextBlob
2df["sentiment"] = df["content"].apply(lambda x: TextBlob(str(x)).sentiment.polarity)

這會替每則評論產生 -1.0（非常負面）到 +1.0（非常正面）的極性分數。範例輸出：

最值得注意的是那些不一致的資料列——例如 3 星評論卻是正向措辭，或 5 星評論卻帶有負面語氣。這些落差往往能揭露星等分數看不出來的細膩顧客觀點。

若要達到可用於正式環境的準確度，建議使用 Hugging Face Transformers。，而且 ，明顯優於傳統詞典式工具。nlptown/bert-base-multilingual-uncased-sentiment 模型甚至可以直接預測 1–5 星評分：

1from transformers import pipeline
2clf = pipeline("sentiment-analysis",
3               model="nlptown/bert-base-multilingual-uncased-sentiment")
4df["predicted_stars"] = df["content"].apply(
5    lambda x: int(clf(str(x)[:512])[0]["label"][0])
6)

Amazon 評論呈現 ——5 星會出現明顯高峰，1 星也會有一個較小高峰，中間則是低谷。這代表平均星等往往不是判斷實際產品品質的好指標。把 1 星群組拆出來，去找重複主題——通常那裡藏著一個可修正的單一缺陷。

誠實的取捨：DIY Python vs. 付費爬蟲 API vs. Thunderbit

我長期維護過 Amazon 的 Python 爬蟲，所以老實說：它們會壞。選擇器會變、cookies 會過期、Amazon 會推出新的反機器人防護層，然後你的星期六早上就變成在修爬蟲，而不是分析資料。論壇上的使用者也常抱怨同樣的事——那些「上個月還能跑」的 DIY 腳本，現在卻需要不停補丁。

以下是三種主要方式的比較：

Python 給你完整掌控，而且確實是理解網頁爬蟲底層運作的最佳方式。但如果你的需求是「週五前我要把競品評論資料放進試算表」，而不是「我要打造一條正式資料管線」，那維護自製爬蟲的成本可能就不太划算。

能在幾次點擊內處理驗證、選擇器、分頁與匯出——你可以試試 ，看看是否符合你的工作流程。隨著 Amazon 持續加強反機器人措施，能即時調整的 AI 工具，會越來越從「加分項」變成「必需品」。

你也可以瀏覽我們的 ，觀看各種爬取流程的影片教學。

常見問題

1. 不登入也能抓 Amazon 評論嗎？

可以，但只能抓到商品詳情頁（/dp/{ASIN}/）上顯示的約 8 則「精選評論」。完整評論頁的排序、篩選與分頁功能，自 2024 年底起都需要驗證。對大多數商業應用來說，你還是得處理登入牆。

2. 抓 Amazon 評論合法嗎？

Amazon 的服務條款禁止自動化抓取。不過，近年的美國判例（Meta v. Bright Data，2024；hiQ v. LinkedIn）支持抓取公開可見資料。若是登入後才看得到的內容，法律風險會更高，因為你已經同意了 Amazon 的條款。商業用途請諮詢法律顧問。

3. 每個商品最多能抓多少則 Amazon 評論？

Amazon 將每個排序與星等篩選組合的評論頁限制為 10 頁。若使用 5 種星等篩選 × 2 種排序，最多可接觸到 100 頁（約 1,000 則評論）/ 每個商品。若再加上關鍵字篩選，理論上上限更高，但重複資料會明顯增加。

4. 抓 Amazon 評論最好的 Python 函式庫是什麼？

requests + BeautifulSoup 是最常見也最穩定的組合，適合解析靜態 HTML。若需要 JavaScript 渲染，Selenium 會更有用。若想要免寫程式、又能自動處理登入牆與分頁，可以試試 。

5. 抓 Amazon 時怎麼避免被封鎖？

從 10+ 種真實瀏覽器的 User-Agent 字串中輪替、每次請求之間加入 2–5 秒隨機延遲、在 503/429 錯誤時使用指數退避、規模化時改用住宅代理（資料中心 IP 通常會先被封）、並在各次請求中維持一致的 session cookies。若想完全免維護，Thunderbit 會透過你的瀏覽器 session 自動處理反機器人防護。

延伸閱讀