返回博客
NEW
AI
PYTHON
大数据

AI+Decodo：构建智能电商价格监控系统的完整实战指南

在现代电商环境中，价格监控已成为商家和消费者的刚需。然而传统的网页爬虫面临着反爬虫机制越来越严格、网页结构复杂多变、IP被封禁等诸多挑战。本文将详细介绍如何结合AI智能分析与高质量代理池，构建一个既稳定又智能的电商价格监控系统。

Kristina Selivanovaite

10月 16日, 2025年

4 分钟阅读

一、技术背景与挑战分析

传统爬虫的痛点

现代电商网站的反爬虫机制日趋完善，传统爬虫面临以下核心挑战：

  • 网络访问层面的严格限制：IP 频繁访问被封禁、User-Agent 识别与拦截，导致数据获取困难。
  • 页面结构的动态复杂性：动态 JavaScript 渲染内容、页面结构频繁变更，传统静态解析方式已无法适应。
  • 数据提取的多样性挑战：价格格式千变万化、库存状态表达不统一，不同平台数据呈现差异大，需更智能的识别能力。

不同平台的数据呈现方式差异巨大，需要更智能的识别和解析能力。

解决方案架构

为了解决这些问题，我们设计了一个"AI + 代理池"的智能抓取架构：

[目标网站] ← [高质量代理池] ← [智能请求管理] ← [AI内容分析] ← [结构化输出]

核心设计思路：

  • 代理池负责网络身份管理，实现IP轮换和访问伪装
  • AI负责内容理解分析，智能识别和提取关键信息

这种架构将网络访问和内容分析分离，各司其职，大幅提升了系统的稳定性和智能化水平。

二、实战开发：构建智能监控系统

环境准备与核心依赖

首先需通过 pip 安装相关库：

pip install requests beautifulsoup4 openai loguru pandas urllib3 python-dotenv regex

项目构建需要合理的技术栈组合：

# 核心依赖包
import requests          # HTTP请求处理
from bs4 import BeautifulSoup  # HTML解析
import openai           # AI模型调用
from loguru import logger      # 智能日志
import pandas as pd     # 数据处理
import urllib3          # 网络优化
from typing import Optional, Dict, List
import re     
import json   
import random  
import time 
import datetime

关键配置优化：

# 屏蔽SSL证书警告，提高请求成功率
urllib3.disable_warnings(urllib3.exceptions.InsecureRequestWarning)
 
# 配置智能日志系统
logger.add("price_monitor.log", rotation="1 day", level="INFO")

这些配置能够有效减少网络请求中的干扰因素，提升系统稳定性。

Decodo代理池管理核心实现

代理池是整个系统的网络基础，我们选择Decodo作为代理服务提供商，Decodo代理的核心优势是：

  • 高匿名度IP，有效规避识别
  • 多地域节点覆盖

这确保了访问的稳定性和隐蔽性，大幅提升抓取成功率。

这些代理节点不仅分布在不同端口，还具备动态切换能力，当某个代理出现响应延迟或连接失败时，系统会自动将其从可用列表中移除，确保始终使用状态最佳的代理进行网络请求。获取这些 Decodo 代理的方式首先需要我们注册Decodo平台的账户，然后其控制台会出现在我们眼前，在控制台左侧导航栏找到 “静态住宅代理”。在页面上方 “选择代理类型” 区域，确认选中 “按 IP 付费”（与少数用户共享的 IP）这一选项。

然后在 “IP 数量” 板块，我们根据需求选择预设的 IP 数量，因为我下面的项目中需要的IP 数量并不是很多，所以这个地方我仅需要选择50个即可，同时我们也可以根据自己需要勾选定制输入自定义数量。同理在 “流量” 板块，我们也直接根据需要选择所需的流量额度即可完成。

右侧 “订单摘要” 会实时显示所选配置的费用明细，确认 IP 数量、流量、单价等信息无误后，点击订阅即可完成，获取对应的代理资源。然后直接会弹出我们刚才购买好的界面，这里会显示出我们需要的用户的代理地址用户名以及密码：

将如上的用户信息输入我们预订好的代码中，如下面所示，这里我并不展示所有的用户，大家可以参考这个格式去实现自己的配置

url = 'https://ip.decodo.com/json'
username = '填入自己的'
password = '填入自己的'
proxy = f"http://{username}:{password}@isp.decodo.com:10001"


class SimpleProxyManager:
    """基于Decodo的智能代理管理器"""
    def __init__(self):
        # Decodo代理配置 – 多端口负载均衡
        base_url = "http://spxcqmnjnk:8pUFd76rM=vgmVee6o@isp.decodo.com"
        ports = [10001, 10002, 10003, 10004]
         
        self.proxies = [
        {
        "http": f"{base_url}:{port}",
        "https": f"{base_url}:{port}"
        }
        for port in ports
        ]
        self.current_index = 0
    
    def get_proxy(self) -> Optional[Dict]:
        """智能代理获取 - 轮询算法"""
        if not self.proxies:
            return None
        proxy = self.proxies[self.current_index]
        self.current_index = (self.current_index + 1) % len(self.proxies)
        return proxy
    
    def remove_proxy(self, proxy: Dict):
        """失效代理自动移除"""
        if proxy in self.proxies:
            self.proxies.remove(proxy)
            logger.warning(f"移除失效代理: {proxy}")
free-trial.svg

购买静态住宅代理

获取优质的静态住宅代理，并将其集成到您的工具包中。

开始免费试用

代理管理的核心设计理念就是轮询机制避免单点过载，同时要达到失效代理实时清理，这样通过智能化的代理调度，就可以确保我们的系统具有高可用性和稳定性。

AI内容分析引擎

这是AI分析内容的主要部分，负责理解复杂的电商页面结构，AI分析的关键优势：智能识别页面主要内容，同时自动过滤广告和无关信息。AI模型能够理解页面的语义结构，准确提取商品核心信息。

大家在设置的时候可以参考我的提示词给 AI 明确的指令，这样能让 AI 更精准地理解需求，减少无效输出。下面是完整的工具类代码，已针对 OpenAI API 版本兼容和密钥安全配置做了优化：

import os
import re
import json
from bs4 import BeautifulSoup
from openai import OpenAI  # 适配新版OpenAI SDK（v1.0.0+）
from dotenv import load_dotenv  # 用于安全加载环境变量，避免密钥硬编码
from loguru import logger
from typing import Dict
 
# 先加载环境变量（建议在项目根目录创建.env文件存储敏感信息）
load_dotenv()
 
class AIAnalyzer:
    """基于GPT的智能内容分析器，专注电商页面商品信息提取"""
    
    def __init__(self):
        """初始化OpenAI客户端，提前校验API密钥配置"""
        # 从环境变量获取API密钥，而非直接写在代码里，降低泄露风险
        self.openai_api_key = os.getenv("OPENAI_API_KEY")
        if not self.openai_api_key:
            raise ValueError("请先配置OpenAI API密钥！可在.env文件中添加'OPENAI_API_KEY=你的密钥'，或设置系统环境变量")
        
        # 初始化新版OpenAI客户端
        self.client = OpenAI(api_key=self.openai_api_key)
        logger.info("OpenAI客户端初始化完成，已准备好进行商品信息分析")
    
    def extract_product_info(self, html_content: str, url: str) -> Dict:
        """
        使用AI智能提取商品信息
        :param html_content: 电商页面的HTML源代码
        :param url: 对应页面的URL（用于辅助AI理解上下文）
        :return: 包含商品信息的字典，或错误提示
        """
        
        # 第一步：HTML内容预处理——移除无关元素，减少AI分析干扰
        soup = BeautifulSoup(html_content, 'html.parser')
        # 剔除脚本、样式、导航栏等非商品核心内容
        for tag in soup(['script', 'style', 'nav', 'footer', 'header', 'aside']):
            tag.decompose()
        
        # 提取纯文本并控制长度（避免超出AI tokens限制）
        text_content = soup.get_text(separator=' ', strip=True)
        if len(text_content) > 3000:
            text_content = text_content[:3000] + "...（内容过长，已截取前3000字符）"
        logger.debug(f"预处理后待分析文本长度：{len(text_content)}字符")
        
        # 第二步：构建精准提示词——明确AI任务边界和输出格式
        prompt = f"""
        请分析以下电商页面内容，提取商品信息。返回JSON格式：
        网页URL: {url}
        网页内容: {text_content}
        请提取：
        1. product_name: 商品名称
        2. current_price: 当前价格（只要数字，去掉货币符号）
        3. original_price: 原价（如果有）
        4. stock_status: 库存状态
        5. is_available: 是否有货（true/false）
        只返回JSON，不要其他文字。
        """
        
        try:
            # 第三步：调用OpenAI API——使用新版接口格式
            response = self.client.chat.completions.create(
                model="gpt-3.5-turbo",  # 平衡效果与成本，也可替换为"gpt-4"提升精度
                messages=[
                    {"role": "system", "content": "你是专注于电商数据提取的工具，输出仅JSON，无多余内容"},
                    {"role": "user", "content": prompt}
                ],
                temperature=0.1,  # 降低随机性，确保输出格式稳定
                max_tokens=300,   # 限制输出长度，避免冗余
                timeout=10        # 设置超时时间，防止长期阻塞
            )
            
            # 提取AI响应内容并解析JSON
            result_text = response.choices[0].message.content.strip()
            # 用正则匹配JSON结构（防止AI偶尔多输出文字）
            json_match = re.search(r'\{[\s\S]*\}', result_text, re.DOTALL)
            if json_match:
                result = json.loads(json_match.group())
                # 补充URL字段，方便后续追溯数据来源
                result["source_url"] = url
                logger.success(f"成功提取商品信息：{result.get('product_name', '未知商品')}（来自{url}）")
                return result
            else:
                logger.error(f"AI返回内容格式错误，未匹配到JSON：{result_text[:150]}...")
                return {"error": "AI返回格式错误", "source_url": url, "raw_response": result_text[:200]}
                
        except Exception as e:
            error_msg = f"商品信息提取失败：{str(e)}"
            logger.error(f"{error_msg}（URL：{url}）")
            return {"error": error_msg, "source_url": url}

OpenAI所需要的API需要我们去访问官网：官网，完成注册之后进入API Keys页面，去创建我们自己的新密钥，然后设置合理的使用限额避免超支，这里我们需要的GPT-3.5-turbo价格约为$0.002/1K tokens。

智能请求管理与重试机制

结合代理池和AI分析，构建智能的网页获取系统：

def fetch_page(self, url: str, max_retries: int = 3) -> tuple[str, bool]:
    """智能网页获取，包含重试和代理切换"""
    
    for attempt in range(max_retries):
        proxy = self.proxy_manager.get_proxy()
        
        # 代理池耗尽时的降级策略
        if not proxy:
            logger.warning("没有可用代理，尝试直接连接")
            proxy = None
        
        try:
            response = self.session.get(
                url,
                proxies=proxy,
                timeout=(5, 20),  # 连接超时5秒，读取超时20秒
                verify=False
            )
            
            if response.status_code == 200:
                logger.info(f"成功获取页面: {url}")
                return response.text, True
            elif response.status_code in [403, 429, 503]:
                logger.warning(f"访问受限 {response.status_code}, 更换代理重试")
                if proxy:
                    self.proxy_manager.remove_proxy(proxy)
                    
        except requests.exceptions.ReadTimeout:
            logger.warning(f"读取超时，尝试更换代理 (尝试 {attempt + 1}/{max_retries})")
            if proxy:
                self.proxy_manager.remove_proxy(proxy)
        except Exception as e:
            logger.error(f"请求异常: {str(e)}")
            if proxy:
                self.proxy_manager.remove_proxy(proxy)
        
        # 指数退避重试策略
        delay = random.uniform(2 + attempt * 2, 5 + attempt * 2)
        logger.info(f"等待 {delay:.1f} 秒后重试...")
        time.sleep(delay)
    
    return "", False

智能重试的核心特性：

  • 根据HTTP状态码智能判断
  • 指数退避避免频繁重试

这种机制能够有效应对各种网络异常，提升整体成功率。

完整的监控流程实现

将所有组件整合，构建完整的商品监控流程：

def monitor_product(self, url: str) -> Dict:
    """单个商品完整监控流程"""
    
    logger.info(f"开始监控商品: {url}")
    
    # 步骤1：通过代理获取页面内容
    html_content, success = self.fetch_page(url)
    
    if not success:
        return {
            "url": url,
            "success": False,
            "error": "无法获取页面内容",
            "timestamp": datetime.now().strftime('%Y-%m-%d %H:%M:%S')
        }
    
    # 步骤2：AI分析提取信息
    product_info = self.ai_analyzer.extract_product_info(html_content, url)
    
    if "error" in product_info:
        return {
            "url": url,
            "success": False,
            "error": product_info["error"],
            "timestamp": datetime.now().strftime('%Y-%m-%d %H:%M:%S')
        }
    
    # 步骤3：数据处理和结构化
    current_price = self._extract_price(product_info.get('current_price'))
    original_price = self._extract_price(product_info.get('original_price'))
    
    result = {
        "url": url,
        "success": True,
        "product_name": product_info.get('product_name', ''),
        "current_price": current_price,
        "original_price": original_price,
        "stock_status": product_info.get('stock_status', ''),
        "is_available": product_info.get('is_available', False),
        "discount": self._calculate_discount(original_price, current_price),
        "timestamp": datetime.now().strftime('%Y-%m-%d %H:%M:%S')
    }
    
    logger.success(f"监控成功: {result['product_name']} - ¥{current_price}")
    return result

监控流程的优势：

  • 网络层和分析层职责分离
  • 完整的错误处理和日志记录

每个环节都有详细的状态跟踪，便于问题定位和系统优化。

三、运行结果与性能分析

完整的工作流程

创建 PriceMonitor 主类，将代理管理、AI分析、网页抓取等功能模块有机整合，形成了一个完整的工作流程。让整个监控系统真正可以很简单的运行起来，现在我们只需配置好Decodo代理和OpenAI API密钥，就能立即开始监控心仪商品的价格变化，实现自动的电商价格追踪：

class PriceMonitor:
    """完整的价格监控系统主类"""
    
    def __init__(self):
        """初始化监控系统"""
        self.proxy_manager = SimpleProxyManager()
        self.ai_analyzer = AIAnalyzer()
        
        # 配置请求会话
        self.session = requests.Session()
        self.session.headers.update({
            'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.124 Safari/537.36',
            'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8',
            'Accept-Language': 'zh-CN,zh;q=0.9,en;q=0.8',
            'Accept-Encoding': 'gzip, deflate',
            'Connection': 'keep-alive',
        })
        
        logger.info("价格监控系统初始化完成")
    
    def fetch_page(self, url: str, max_retries: int = 3) -> tuple[str, bool]:
        """智能网页获取，包含重试和代理切换"""
        
        for attempt in range(max_retries):
            proxy = self.proxy_manager.get_proxy()
            
            # 代理池耗尽时的降级策略
            if not proxy:
                logger.warning("没有可用代理，尝试直接连接")
                proxy = None
            
            try:
                response = self.session.get(
                    url,
                    proxies=proxy,
                    timeout=(5, 20),  # 连接超时5秒，读取超时20秒
                    verify=False
                )
                
                if response.status_code == 200:
                    logger.info(f"成功获取页面: {url}")
                    return response.text, True
                elif response.status_code in [403, 429, 503]:
                    logger.warning(f"访问受限 {response.status_code}, 更换代理重试")
                    if proxy:
                        self.proxy_manager.remove_proxy(proxy)
                        
            except requests.exceptions.ReadTimeout:
                logger.warning(f"读取超时，尝试更换代理 (尝试 {attempt + 1}/{max_retries})")
                if proxy:
                    self.proxy_manager.remove_proxy(proxy)
            except Exception as e:
                logger.error(f"请求异常: {str(e)}")
                if proxy:
                    self.proxy_manager.remove_proxy(proxy)
            
            # 指数退避重试策略
            delay = random.uniform(2 + attempt * 2, 5 + attempt * 2)
            logger.info(f"等待 {delay:.1f} 秒后重试...")
            time.sleep(delay)
        
        return "", False
    
    def _extract_price(self, price_str) -> float:
        """从字符串中提取价格数字"""
        if not price_str:
            return 0.0
        
        # 使用正则提取数字
        price_match = re.search(r'(\d+\.?\d*)', str(price_str))
        if price_match:
            return float(price_match.group(1))
        return 0.0
    
    def _calculate_discount(self, original_price: float, current_price: float) -> float:
        """计算折扣百分比"""
        if original_price > 0 and current_price > 0:
            return round((original_price - current_price) / original_price * 100, 2)
        return 0.0
    
    def monitor_product(self, url: str) -> Dict:
        """单个商品完整监控流程"""
        
        logger.info(f"开始监控商品: {url}")
        
        # 步骤1：通过代理获取页面内容
        html_content, success = self.fetch_page(url)
        
        if not success:
            return {
                "url": url,
                "success": False,
                "error": "无法获取页面内容",
                "timestamp": datetime.now().strftime('%Y-%m-%d %H:%M:%S')
            }
        
        # 步骤2：AI分析提取信息
        product_info = self.ai_analyzer.extract_product_info(html_content, url)
        
        if "error" in product_info:
            return {
                "url": url,
                "success": False,
                "error": product_info["error"],
                "timestamp": datetime.now().strftime('%Y-%m-%d %H:%M:%S')
            }
        
        # 步骤3：数据处理和结构化
        current_price = self._extract_price(product_info.get('current_price'))
        original_price = self._extract_price(product_info.get('original_price'))
        
        result = {
            "url": url,
            "success": True,
            "product_name": product_info.get('product_name', ''),
            "current_price": current_price,
            "original_price": original_price,
            "stock_status": product_info.get('stock_status', ''),
            "is_available": product_info.get('is_available', False),
            "discount": self._calculate_discount(original_price, current_price),
            "timestamp": datetime.now().strftime('%Y-%m-%d %H:%M:%S')
        }
        
        logger.success(f"监控成功: {result['product_name']} - ¥{current_price}")
        return result
    
    def batch_monitor(self, urls: List[str]) -> List[Dict]:
        """批量监控多个商品"""
        
        logger.info(f"开始批量监控 {len(urls)} 个商品")
        results = []
        
        for i, url in enumerate(urls, 1):
            logger.info(f"处理第 {i}/{len(urls)} 个商品")
            
            result = self.monitor_product(url)
            results.append(result)
            
            # 智能延迟控制
            if i < len(urls):
                delay = random.uniform(3, 8)
                logger.info(f"等待 {delay:.1f} 秒...")
                time.sleep(delay)
        
        return results
    
    def price_alert(self, results: List[Dict], target_prices: Dict[str, float]):
        """智能价格预警系统"""
        
        alerts = []
        
        for result in results:
            if not result.get('success'):
                continue
                
            url = result['url']
            current_price = result['current_price']
            product_name = result['product_name']
            
            if url in target_prices and current_price > 0:
                target_price = target_prices[url]
                
                if current_price <= target_price:
                    alert = {
                        'product_name': product_name,
                        'current_price': current_price,
                        'target_price': target_price,
                        'savings': target_price - current_price,
                        'url': url,
                        'timestamp': result['timestamp']
                    }
                    alerts.append(alert)
                    
                    print(f"\n🎉 价格预警触发！")
                    print(f"商品：{product_name}")
                    print(f"当前价格：¥{current_price}")
                    print(f"目标价格：¥{target_price}")
                    print(f"可节省：¥{alert['savings']:.2f}")
                    print(f"链接：{url}")
        
        return alerts
 
# 使用示例
if __name__ == "__main__":
    # 创建监控系统实例
    monitor = PriceMonitor()
    
    # 要监控的商品URL列表
    urls_to_monitor = [
        "https://item.jd.com/100012043978.html",  # 示例商品链接
        "https://detail.tmall.com/item.htm?id=123456789",  # 示例商品链接
    ]
    
    # 设置目标价格（当价格低于此值时触发预警）
    target_prices = {
        "https://item.jd.com/100012043978.html": 299.0,
        "https://detail.tmall.com/item.htm?id=123456789": 199.0,
    }
    
    # 执行批量监控
    results = monitor.batch_monitor(urls_to_monitor)
    
    # 检查价格预警
    alerts = monitor.price_alert(results, target_prices)
    
    # 输出监控结果
    print("\n=== 监控结果汇总 ===")
    for result in results:
        if result['success']:
            print(f"商品: {result['product_name']}")
            print(f"当前价格: ¥{result['current_price']}")
            print(f"库存状态: {result['stock_status']}")
            print(f"监控时间: {result['timestamp']}")
            print("-" * 50)
        else:
            print(f"监控失败: {result['url']} - {result['error']}")
    
    print(f"\n本次监控完成，共处理 {len(results)} 个商品，触发 {len(alerts)} 个价格预警")

系统运行效果

通过实际测试，系统表现出了优异的性能，可以快速获取我们需要的商品信息，成功率百分之百。AI模型能够准确识别商品名称、价格、库存状态，自动过滤页面中的广告和推荐内容，同时提供稳定的网络访问，智能重试机制应对临时网络问题，运行结果如下所示，把我们需要的产品信息都获取出来：

实际应用效果

在实际应用中，系统的价格预警功能展现出了强大的实用性，其核心设计围绕精准监控与及时提醒展开，形成了一套完整的智能预警机制。依托代理保障网络访问稳定，借助 AI 精准提取商品信息，当监控到商品当前价≤用户设的目标价时，会立即触发预警，还支持 CSV、JSON 格式存储数据，方便后续分析。

四、总结与展望

本项目成功整合了AI技术和代理池技术，实现了以下技术突破：

智能化水平显著提升

  • AI理解页面结构，无需预定义解析规则
  • 自适应各种电商平台的页面变化

网络访问稳定性优化

  • Decodo代理池提供高质量IP资源
  • 智能重试和故障转移机制

通过AI和代理池的深度融合，我们成功构建了一个既智能又稳定的价格监控系统。Decodo代理服务在其中发挥了关键作用，为系统提供了可靠的网络访问基础。这种技术组合不仅解决了传统爬虫的痛点，更为未来的智能数据抓取技术发展指明了方向。随着AI技术的不断进步和代理服务质量的持续提升，相信这种"AI+代理池"的模式将在更多领域得到广泛应用，为数据驱动的商业决策提供更强大的技术支撑。

关于作者

Kristina Selivanovaite

中国区内容经理

Kristina 是国际关系和外交方面的专家，拥有硕士学位，并对全球数字访问桥梁有着浓厚的兴趣。凭借她的学术背景和全球视野，Kristina 为我们的中国读者量身定制了富有洞察力的内容，涵盖的主题包括网络搜刮、代理以及绕过各种网络限制的方法。


通过 LinkedIn 与 Kristina 联系。

Decodo 博客上的所有信息均按原样提供，仅供参考。对于您使用 Decodo 博客上的任何信息或其中可能链接的任何第三方网站，我们不作任何陈述，也不承担任何责任。

相关文章

AI
大数据

C-MTEB和Decodo代理：中国AI和数据领域的必备工具

中国的数字生态系统正在快速发展，人工智能（AI）和数据驱动技术对于在这个全球第二大经济体中运营的企业变得越来越重要。有两项关键技术对于希望在这个市场中蓬勃发展的组织来说至关重要：用于人工智能（AI）开发的C-MTEB（中文大规模文本嵌入基准）和用于安全数据收集和市场情报的Decodo代理。了解这些工具如何协同工作，可以为在中国市场运营或瞄准中国市场的公司提供显著优势。

Kristina Selivanovaite

9月 10日, 2025年

4 分钟阅读

大数据

人工智能如何处理数据？从字节到辉煌

人工智能彻底改变了我们处理数据的方式，使机器能够快速高效地分析和解读海量信息。在本综合指南中，我们会探讨人工智能如何处理数据，了解高质量数据的重要性，并深入探讨人工智能面临的挑战。

James Keenan

2月 05日, 2025年

3 分钟阅读

© 2018-2025 Decodo 版权所有 津ICP备2022004334号-2