如何利用IP代理高效采集产品数据，打造爆品？

文章目录

• 一、什么是网络爬虫？
• 二、普通人如何通过网络爬虫赚钱？
• • 2.1、心得分享
  • 2.2、工具自动化收集信息
• [三、 动态IP代理](#三、 动态IP代理)
• • 3.1、覆盖范围
  • 3.2、性价比
  • 3.3、教程中心
  • • F&Q
    • 使用教程
  • 3.4、在网络数据采集中的重要性
• 四、实战应用案例一：ebay电商【耳机】品类数据抓取
• • 4.1、步骤介绍（此处演示所以限定10页数据）
  • • [4.1.1、使用 Java + Jsoup工具，去获取ebay电商【耳机】品类页面数据，并采用并发方式去执行程序](#4.1.1、使用 Java + Jsoup工具，去获取ebay电商【耳机】品类页面数据，并采用并发方式去执行程序)
    • • 代码示例
    • 4.1.2、在【4.1.1】的基础上，加上ipidea动态IP代理
    • • 代码示例
  • 4.2、代码片段分享
  • 4.3、结果分析
• 总结与展望

---

一、什么是网络爬虫？

网络爬虫（Web Crawler），也称为网络蜘蛛（Web Spider），是一种自动化的网络机器人，其主要功能是按照一定的规则自动浏览和索引互联网上的网页。

网络爬虫广泛应用于搜索引擎，比如百度、Google、必应等，通过不断地抓取网页数据来更新其搜索索引库，从而使得用户能够通过搜索引擎查询到最新的网页信息。

网络爬虫也可用作特定的领域，比如电商营销。我们可以通过抓取特定电商网站的网页数据，更新我们的商品库、热销库，从而通过数据来决策我们自己门店的营销活动。

二、普通人如何通过网络爬虫赚钱？

电商最近二十年都特别火爆，比如ebay、希音、lazda、亚马逊、唯品会、抖音电商等，那么我们普通人开的小店铺，都会想从中切到一块小蛋糕。就像普通人刷抖音、小红书，经常都会遇到这种评测，某某年热门耳机排行榜之类的，广告里文案都非常吸引人，就会忍不住入手一款蓝牙耳机，现在家里就有BOSE、airpods、索爱、飞利浦、华为等耳机。往往爆款Top10，就占了市场销量的60%，意味着选品这块是非常重要的。那么我们自己做店铺，选品也要从热门、性价比排行榜中，挑选一些商品，才能打造出爆款商品。

PS：下面给大家晒晒我自己一筐的耳机（还有些已经不知道塞哪里去了）

2.1、心得分享

我自己总结了几条打造爆款商品的心得，也是这么多年摸索电商选品的心血。

1、严选商品：各大电商销售榜，亚马逊、ebay、海外抖音、lazda等，都会有自己的热门商品推荐，其中3C时尚数码类，很受年轻人喜爱，最近十多年的销量都在Top10品类榜。我们也可以在这个赛道深耕，这样我们的投入可以更快的见到收益。

2、紧跟市场： 3C时尚数码类赛道，销量也在实时变化，比如苹果的发布会日期前后几周，苹果手机、苹果手机壳、苹果耳机的销量，对比平时都会有很大的增长。那么这时候我们就得紧跟市场行情，及时调整我们的策略，把苹果相关产品推荐比重加大。

3、收集数据：收集各大电商如：亚马逊、ebay、海外抖音、lazda等它们的公开数据，利用工具自动化大批量收集信息，把第2步市场行情中的热门品类商品详情信息，同步到我们的资源库，进而形成各种营销数据，这样我们做营销就有一手资源数据。

2.2、工具自动化收集信息

在我们运营过程中，很多不懂计算机的同行，在行情来了之后（苹果发布会、索爱新品发布会、华为发布会等） 都是手动打开亚马逊、ebay、海外抖音、lazda这些电商平台，找到对应的品类，去手动获取商品资料（商品名称、价格、评论、图片等），很多时候提前一周我们就得开始动手，忙活4-5天，才收集到足够有效的数据。而我做成工具后，喝杯茶的功夫，数据就自动化下载到了电脑里。

这里给大家介绍下网络数据采集，我们可以使用Python、Java、Rust等编程语言，来完成我们的手动收集信息工作。假如拿ebay网为例，我们去抓取它的【耳机】品类商品，首先找到ebay网以及【耳机】分类页面，查看到总数量在16万左右，每页100条数据，大概有1600页数据。

假定每页数据我们在10秒之内爬取完，那么我们需要1600 * 10 = 16000秒时间完成这个工作。不得不说还是太天真了，刚才的假设只是理想状态。由于ebay网采取了十分严格风控策略，我们通常在采集数据5-10页后，网络请求就会被ebay拒绝。这是因为我们频繁的访问页面，触发了ebay网的风控规则，我们在采集数据1600页数据时，都是同一台电脑，同一个IP地址。我们可以想一想一个自然人是不可能在这么短时间内，去连续不断的翻页查看数据。这种操作会被判定为机器人操作，从而拒绝我们的请求。

这时候我们就需要一款产品，可以为我们提供动态IP代理。首先我们选择一款动态IP代理，其次在每次爬取ebay网数据时，我们都为其设置一个IP代理，这样ebay网就认定这些请求来自不同的IP，就能正常的发起请求。

三、 动态IP代理

我自己用的海外IP代理服务商【ipidea】可以推荐给大家，点击这里可以了解详情。

我已经使用他们家的产品好几年了，有静态IP代理、动态IP代理，今天主要介绍网络采集数据，因此要用到的是动态IP代理。

3.1、覆盖范围

ipidea的IP池覆盖到全球很多城市，尤其是热门国家/地区拥有很多优质的IP资源。

3.2、性价比

ipidea 批量提供动态IP代理，动态IP也支持3种类型：动态住宅IP、动态数据中心IP、动态长效ISP（独享的2种不属于咱们今天要介绍的范畴，因为购买它们之后，是分配的固定IP，不满足网络爬虫切换IP的业务场景。属于是钱花了，事情办不成）。

这些年，这3种动态IP都使用过，这里简单介绍下使用场景：

动态住宅IP、动态长效ISP：这2种安全系数比较高，通常用于需要验证身份的网页；

动态数据中心IP：这种安全系数比较低，通常用于可匿名访问的网页。

ipidea海外IP购买也特别方便，随时随付以及其他套餐都很有性价比，尤其是我们这次的业务场景，匿名访问采集电商网页，可使用动态数据中心IP，价格都非常实惠。最近也赶上5周年优惠活动，基本上所有活动都有5折左右折扣，还是相当划算的。

3.3、教程中心

ipidea在IP代理领域扎根多年，有很多辅助用户操作的文档，我们在官网的教程中心可以看到这些文档。分别有：F&Q、使用教程、最新公告、最新咨询、资源中心。通常我们使用一个产品，最关注的就是F&Q、使用教程了，让我们来简单的看一下，它们分别有哪些内容。

F&Q

F&Q里有对入门、价格、账户、故障方面的问题，官方对此都给出了详细的解决步骤，我们点击对应的问题就可以想看到详细的内容。

使用教程

使用教程中包括了账号设置/使用、代理使用等热门教程，同时也提供搜索框，用户可以搜索自己感兴趣的教程。

3.4、在网络数据采集中的重要性

动态代理在网络数据采集中的作用，通常用于隐藏数据采集服务器的真实IP地址，以及防止被目标网站识别和封禁。就像上文讲到的，采集ebay网【耳机】品类数据，数据量特别大，当我们进行大规模的网络数据采集时，频繁地向目标网站发送请求可能会引起目标网站的风控机制，导致IP被封禁或者请求被拒绝。

但是我们通过使用动态代理，可以不断地更换代理IP地址来规避这些风控规则。ipidea动态代理服务器会定期更换IP地址，并且有API可以提供大量的IP地址供数据采集程序使用，从而降低被识别和封禁的风险。

此外，动态代理还可以用于实现分布式数据采集系统中的IP代理池，通过多个代理IP轮流使用，有效地分担数据采集任务，提高采集数据的效率和稳定性。

总的来说，动态代理在网络数据采集中的作用是保护采集服务器的隐私和安全，提高数据采集效率，以及规避目标网站的风控策略。下面就给大家看下，我是如何使用ipidea动态IP代理的，如何使用它去采集我们需要的电商数据。

四、实战应用案例一：ebay电商【耳机】品类数据抓取

4.1、步骤介绍（此处演示所以限定10页数据）

4.1.1、使用 Java + Jsoup工具，去获取ebay电商【耳机】品类页面数据，并采用并发方式去执行程序

• 创建Java Maven工程，导入Jsoup包；
• 找到ebay电商【耳机】品类页面，并且找到翻页参数规则；
• 使用Jsoup去访问ebay电商【耳机】品类页面，通过Jsoup规则解析出商品名称、图片、运费、价格等（还可以继续扩展获取详情页地址、下钻详情页获取评论、介绍、好评率等）；
• 改造程序，使用并发执行

代码示例

4.1.2、在【4.1.1】的基础上，加上ipidea动态IP代理

在https://www.ipidea.net/ 官网登录后，点击右上角的个人图标，就会跳转到管理后台（可以管理个人账号、实名认证、获取代理、优惠券等），下面我们操作从管理后台通过API获取我们的海外IP代理。

• 在我自己的ipidea管理后台找到API获取页面；
• 选择我们购买的套餐类型，检查流量余额；
• 选择套餐参数（条数、国家/地区、代理协议、数据格式）
• 选择生成链接，就会出现代理IP的接口API和参数注释

代码示例

4.2、代码片段分享

• pom.xml

    <!-- https://mvnrepository.com/artifact/com.google.code.gson/gson -->
    <dependency>
      <groupId>com.google.code.gson</groupId>
      <artifactId>gson</artifactId>
      <version>2.10</version>
    </dependency>

    <!-- 添加Httpclient支持 -->
    <dependency>
      <groupId>org.apache.httpcomponents</groupId>
      <artifactId>httpclient</artifactId>
      <version>4.5.2</version>
    </dependency>

    <!-- 添加jsoup支持 -->
    <dependency>
      <groupId>org.jsoup</groupId>
      <artifactId>jsoup</artifactId>
      <version>1.10.1</version>
    </dependency>

    <dependency>
      <groupId>org.projectlombok</groupId>
      <artifactId>lombok</artifactId>
      <optional>true</optional>
    </dependency>

• 核心数据采集代码

package com.qinghuasuo.ipidea;

import com.google.gson.Gson;
import com.google.gson.reflect.TypeToken;
import com.qinghuasuo.ipidea.po.IpIdeaResult;
import com.qinghuasuo.ipidea.po.IpInfo;
import java.io.IOException;
import java.net.InetSocketAddress;
import java.net.Proxy;
import java.net.Proxy.Type;
import java.util.List;
import java.util.concurrent.atomic.AtomicInteger;
import lombok.extern.slf4j.Slf4j;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;
import org.junit.jupiter.api.Test;
import org.springframework.boot.test.context.SpringBootTest;
import org.springframework.util.CollectionUtils;
import org.springframework.web.client.RestTemplate;

@Slf4j
@SpringBootTest
class IpIdeaApplicationTests {

  private RestTemplate restTemplate = new RestTemplate();

  private Gson gson = new Gson();

  private AtomicInteger i = new AtomicInteger(0);

  @Test
  void contextLoads() {
    int maxPageSize = 10;
    List<IpInfo> ipInfoList = this.getIpInfoList(maxPageSize );
    if (CollectionUtils.isEmpty(ipInfoList) || ipInfoList.size() == 0) {
      return;
    }

    ipInfoList.parallelStream().forEach(s ->{
      try {
        searchStlouisfed(s, i.incrementAndGet());
      } catch (IOException e) {
        throw new RuntimeException(e);
      }
    });
  }

  void searchStlouisfed(IpInfo ipInfo, int pageIndex) throws IOException {
    log.info("pageIndex: {}", pageIndex);
    Proxy proxy = new Proxy(Type.HTTP, new InetSocketAddress(ipInfo.getIp(), ipInfo.getPort()));
    Document doc = Jsoup
        .connect("https://www.ebay.com/b/Headphones/112529/bn_879608?_pgn=" + pageIndex)
        .proxy(proxy)
        .header("Accept", "*/*")
        .header("Accept-Encoding", "gzip, deflate")
        .header("User-Agent", "Mozilla/5.0 (Windows NT 6.1; WOW64; rv:48.0) Gecko/20100101 Firefox/48.0")
        .timeout(5000)
        .get();
    Element titleElement = doc.getElementsByClass("b-pageheader__text").first();
    String title = titleElement.text();
    log.info("doc title: {}", title);

    Element mainContentElement = doc.getElementById("mainContent");
    Elements productElements = mainContentElement.select("section>ul.b-list__items_nofooter>li.s-item");
    for (Element e : productElements) {
      log.info("doc product image: {}", e.select("div.s-item__image-section>div.s-item__image>a>div.s-item__image-wrapper>div>img.s-item__image-img").attr("src"));
      log.info("doc product name: {}", e.select("div.s-item__info>a>h3.s-item__title").first().text());
      log.info("doc product price: {}", e.select("div.s-item__details>div.s-item__detail>span.s-item__price").first().text());
      log.info("doc product freight: {}", null == e.select("div.s-item__details>div.s-item__detail>span.s-item__logisticsCost")
          ? null : e.select("div.s-item__details>div.s-item__detail>span.s-item__logisticsCost").text());
    }
  }

  private List<IpInfo> getIpInfoList(int maxPageSize) {
    String url = "http://api.proxy.ipidea.io/getProxyIp?num="+maxPageSize+"&return_type=json&lb=1&sb=0&flow=1&regions=&protocol=http";
    String str = restTemplate.getForObject(url, String.class);
    IpIdeaResult<IpInfo> result = gson.fromJson(str, new TypeToken<IpIdeaResult<IpInfo>>() {
    }.getType());
    if (null == result || result.getData() == null) {
      return null;
    }
    log.info("IpIdea result size: {}", result.getData().size());
    log.info("IpIdea result: {}", gson.toJson(result));
    return result.getData();
  }

}

4.3、结果分析

在【 4.1.1】中，我们执行程序时，在中途程序就出现异常，访问ebay网页网络连接超时。

为了解决这个问题，在【 4.1.2】中加入了代理，我们从ipidea 代理接口中获取动态IP，通过这些IP去访问ebay网页。这时的并发访问，没有触发ebay网页的风控机制，因为此时我们每一个请求都给它分配了独立的IP。

通过这个案例，可以说我们ipidea的动态IP代理已经起作用了，隐藏了我们本地的真是IP地址，防止我们的电脑IP被ebay网封禁。而且我们不断地更换代理IP地址，也降低了被识别和封禁的风险，提高爬取效率和稳定性。

---

总结与展望

了解完上面这些知识，我们在做跨境电商运营选品时，就可以通过数据采集+动态IP代理快速的拿到我们想要的数据，并能根据这些素材，快速做成营销文案推向市场，占据先机，从而在日益激烈的跨界电商竞争中分一块蛋糕。

不过虽然数据采集获取数据很舒爽，但我们也得注意合规，一些网站明确禁止采集的内容，我们也需要规避。这样我们在跨境电商行业在能吃一块蛋糕的同时，也能稳定持久的占有这块蛋糕份额。可能某天机会来了，我们也会出现爆款，从而分得更大的蛋糕。

最后，再次分享下ipidea 代理IP利器，让我们一起来体验吧！（现在ipidea在做活动，新用户注册可以免费试用，包括住宅代理IP、数据中心代理IP、动态代理IP等产品 ）
https://share.ipidea.net/KHs5Rj