Python爬虫中淘宝详情页销量的反爬策略是如何实现的？使用代理池仍被ban怎么办？

目前发现 Amazon，也是这样的。使用了代理 ip 去请求，一段时间后，就会让你输入验证码。即使立即更换 ip，也不让访问。

淘宝详情页的销量反爬通常结合了动态数据加载、请求参数加密和用户行为分析。直接请求得到的HTML里销量数据经常是空的，真实数据通过接口异步加载，且接口参数（如_m_h5_tk、t等）经过加密，并校验Cookie和Referer。单纯用代理IP绕过频率限制不够，因为淘宝还会检测单个IP的请求模式和行为特征。

如果用了代理池还被封，大概率是请求的“行为”不像真人。试试下面这个方案，重点模拟浏览器的完整行为链：

import requests
import time
import random
from urllib.parse import quote

def get_taobao_item_sales(item_id, proxy=None):
    """
    获取淘宝商品销量（示例，加密逻辑需逆向最新页面）
    """
    headers = {
        'authority': 'h5api.m.taobao.com',
        'accept': 'application/json',
        'user-agent': 'Mozilla/5.0 (iPhone; CPU iPhone OS 13_2_3 like Mac OS X) AppleWebKit/605.1.15 (KHTML, like Gecko) Version/13.0.3 Mobile/15E148 Safari/604.1',
        'referer': f'https://detail.m.tmall.com/item.htm?id={item_id}',
        'accept-language': 'zh-CN,zh;q=0.9',
    }
    
    # 关键：需要从页面或之前请求中提取加密参数（此处为示例占位）
    # 实际需要解析页面获取 _m_h5_tk、data等参数
    params = {
        'id': item_id,
        'detail_v': '3.3.2',
        'exParams': '{}',
        'type': 'json',
        'api': 'mtop.taobao.detail.getdetail'
    }
    
    # 随机延迟模拟阅读时间
    time.sleep(random.uniform(1, 3))
    
    try:
        resp = requests.get(
            'https://h5api.m.taobao.com/h5/mtop.taobao.detail.getdetail/6.0/',
            params=params,
            headers=headers,
            proxies=proxy,
            timeout=10
        )
        resp.raise_for_status()
        data = resp.json()
        
        # 解析销量数据（路径根据实际接口调整）
        sales = data.get('data', {}).get('item', {}).get('sellCount', 'N/A')
        return sales
    except Exception as e:
        print(f"请求失败: {e}")
        return None

# 使用示例（需自行维护代理池列表）
proxy_pool = [
    {'http': 'http://user:pass@ip:port', 'https': 'https://user:pass@ip:port'},
    # ... 更多代理
]
item_id = '1234567890123'
proxy = random.choice(proxy_pool)
sales = get_taobao_item_sales(item_id, proxy)
print(f"商品销量: {sales}")

关键点：

1. 完整请求链：带上合理的Referer（从商品页跳转过来）、Accept、Language等头部。
2. 参数逆向：销量接口参数需要从页面JavaScript中逆向加密逻辑（比如_m_h5_tk的生成），这部分需要抓包分析最新规则。
3. 随机延迟：在关键操作间加入随机等待，模拟真人浏览间隔。
4. 会话保持：建议使用requests.Session()维持Cookie，并先访问几次首页再跳详情页。
5. 代理质量：确保代理IP纯净度高，最好用住宅代理，并定时测试可用性。

总结：核心是让每个请求看起来都像是一次独立的人工浏览行为。

ip，cookies，referer…
还有检查一下爬虫有没有进到蜜罐里面

您能说下，这个请求的特质，具体点是什么？我现在使用的 header 是随机，ip 地址也是代理随机拨号的。

X-Forwarded-for ？
你都用上拨号了，ip 怎么才这么少，不是每次拨号都会变么。

除了 ie 使用 ActiveX 能获取 mac 以外，浏览器无法获取 mac 吧？不然不符合浏览器的安全协议了。