Cómo scrapear datos de productos de Amazon en 2026 (API y Python)

La forma más rápida de scrapear datos de productos de Amazon en 2026 es llamar a una API estructurada de Amazon que devuelve JSON normalizado — título, ASIN, precio, disponibilidad, rating y número de reseñas — en lugar de operar y cuidar tu propio scraper. Puedes construir un scraper DIY en Python, pero las defensas anti-bot de Amazon, los layouts cambiantes y los CAPTCHAs hacen costoso mantenerlo funcionando. Esta guía cubre los tres enfoques, qué devuelve cada uno, dónde falla cada uno y las bases legales.

¿Es legal scrapear datos de productos de Amazon?

Los datos públicos de producto — títulos, precios, ratings y reseñas — suelen tener menor riesgo al recopilarse: en EE. UU., hiQ Labs v. LinkedIn estableció que acceder a datos disponibles públicamente no viola la Computer Fraud and Abuse Act, y hechos como los precios no son objeto de copyright. Dicho esto, las Conditions of Use de Amazon prohíben el acceso automatizado, así que puedes enfrentarte a bloqueos o suspensiones, y los datos personales activan leyes de privacidad. Reglas generales:

• Recopila solo datos públicos de producto; evita datos personales y todo lo que esté detrás de un login.
• Respeta los límites de tasa y no degrades el servicio.
• Revisa los términos de Amazon y tus propios requisitos de cumplimiento.

Esto no es asesoría legal — ante la duda, consulta con un abogado.

Opción 1: DIY en Python (y por qué falla)

Para una sola página podrías usar requests + BeautifulSoup, parsear los campos del producto y exportar a CSV — escalando a un navegador headless cuando el JavaScript o las comprobaciones anti-bot se interponen:

import csv
import requests
from bs4 import BeautifulSoup

headers = {
    "User-Agent": "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) "
    "AppleWebKit/537.36 (KHTML, like Gecko) Chrome/120.0 Safari/537.36",
    "Accept-Language": "en-US,en;q=0.9",
}
resp = requests.get("https://www.amazon.com/dp/B0DGJ736JM", headers=headers, timeout=30)
soup = BeautifulSoup(resp.text, "html.parser")

title = soup.select_one("#productTitle")
price = soup.select_one(".a-price .a-offscreen")
rating = soup.select_one("#acrPopover .a-icon-alt")

row = {
    "asin": "B0DGJ736JM",
    "title": title.get_text(strip=True) if title else None,
    "price": price.get_text(strip=True) if price else None,
    "rating": rating.get_text(strip=True) if rating else None,
}

with open("amazon.csv", "w", newline="") as f:
    writer = csv.DictWriter(f, fieldnames=row.keys())
    writer.writeheader()
    writer.writerow(row)
# ...on a good day. On a bad day: a CAPTCHA, a 503, or a redirect to a bot check.

Funciona bien como demo y luego falla a escala:

• Anti-bot — los CAPTCHAs y los bloqueos de IP te empujan hacia la rotación de proxies y el fingerprinting.
• Cambios de layout — Amazon modifica el DOM y tus selectores se rompen sin avisar.
• Proliferación de ASIN y variaciones — el precio y la disponibilidad varían según la variante, el vendedor y la región.
• Escala — una recopilación fiable exige pools de proxies, reintentos y monitorización que tienes que operar tú.

La mayor parte del coste no es el primer scrape — es mantenerlo con vida.

Opción 2: herramientas no-code

Los extractores visuales y las extensiones de navegador se encargan de la página por ti y exportan CSV o JSON. Están bien para exportaciones puntuales, pero son menos prácticas cuando necesitas datos de Amazon dentro de un producto o pipeline, de forma programada y con campos predecibles.

Opción 3: una API estructurada de Amazon

Para flujos de trabajo repetibles e integrados en producto, una API de scraping de Amazon te da endpoints documentados que devuelven JSON normalizado — sin navegador, sin selectores, sin pool de proxies que operar. Obtén un producto por ASIN:

curl https://api.crawlora.net/api/v1/amazon/product/B0DGJ736JM \
  -H "x-api-key: $CRAWLORA_API_KEY"

La misma llamada en Python:

import requests

resp = requests.get(
    "https://api.crawlora.net/api/v1/amazon/product/B0DGJ736JM",
    headers={"x-api-key": "YOUR_API_KEY"},
)
data = resp.json()["data"]
print(data["title"], data["price"], data["rating"])

La respuesta es JSON normalizado que puedes almacenar directamente (los campos mostrados son ilustrativos — revisa los docs para el esquema actual):

{
  "code": 200,
  "msg": "OK",
  "data": {
    "asin": "B0DGJ736JM",
    "title": "Example product",
    "price": 189,
    "currency": "USD",
    "availability": "In Stock",
    "rating": 4.4,
    "review_count": 1055
  }
}

¿Necesitas recopilar un conjunto de resultados completo? Usa el endpoint de búsqueda:

curl "https://api.crawlora.net/api/v1/amazon/search?query=wireless+earbuds&page=1" \
  -H "x-api-key: $CRAWLORA_API_KEY"

Qué puedes recopilar

Cuando el listado público los expone, los campos se agrupan en unas pocas categorías:

• Identidad del producto — título, ASIN, marca o vendedor, imágenes y la URL del producto.
• Precio — precio actual, moneda, precio tachado/de lista y disponibilidad.
• Prueba social — rating promedio, número de reseñas y muestras de reseñas; para minería completa de reseñas, pagina las reseñas del producto.
• Metadatos del listado — posición en el resultado de búsqueda e insignias (Prime, Best Seller, Amazon's Choice), además del ASIN o el contexto de la consulta que solicitaste.

Vuelve a ejecutarlo de forma programada y guarda una fila por ASIN y ejecución para construir un histórico de precio y rating.

Limitaciones y desafíos comunes

Incluso con una buena API, ten presentes algunas realidades propias de Amazon:

• Resultados personalizados. Amazon adapta los resultados a la ubicación y el historial, así que dos solicitudes pueden diferir; los parámetros de locale reducen esto pero no lo eliminan.
• Límites de paginación. La búsqueda está limitada a unas 20 páginas por consulta — divide por categoría o filtros para ir más profundo.
• Volatilidad de precios. Los precios cambian con frecuencia, así que para un seguimiento preciso necesitas volver a scrapear de forma programada, no una sola vez.
• Anti-bot para DIY. El scraping directo se enfrenta a CAPTCHAs, análisis de comportamiento y comprobaciones de cookies/fingerprint; una API estructurada absorbe el enrutamiento de proxies, el renderizado y los reintentos detrás del endpoint.
• Marketplace y moneda. El endpoint usa por defecto amazon.com (USD); confirma la cobertura antes de depender de otros marketplaces regionales.

Dónde se usa esto

Los datos estructurados de Amazon impulsan algunos flujos de trabajo habituales:

• Monitorización de precios y MAP — sigue precios y disponibilidad y marca violaciones de MAP. Consulta el caso de uso de monitorización de precios y MAP.
• Monitorización de productos — vigila listados, ratings y cambios de Buy Box con monitorización de productos de Amazon.
• Inteligencia de e-commerce — compara catálogos y surtido entre marketplaces con inteligencia de productos de e-commerce.

Fuentes

Empieza a recopilar

Pruébalo primero, gratis: pasa cualquier URL pública por el Free Web Scraper, o comprueba si un sitio bloquea bots con el Anti-Bot Checker — sin registro.

Prueba el endpoint de producto en el Playground, revisa el esquema de respuesta en los docs de la API y consulta los costes en créditos en la página de precios. ¿Vas a aplicar el mismo playbook en otro marketplace? Mira cómo scrapear eBay y cómo scrapear tiendas Shopify. Para el panorama más amplio, consulta las mejores APIs de scraping de Amazon, cómo elegir una API de web scraping, alternativas a ScraperAPI y si el web scraping es legal.