Perplexity无法直接爬取亚马逊商品页或评论，但可通过搜索引用、调用外部工具链、解析粘贴URL、预处理JSON数据四种方式间接实现比价与评论分析。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如果您希望在Perplexity中对比亚马逊商品并借助其实时爬取能力分析用户评论，则需明确Perplexity本身并不具备直接访问亚马逊页面、执行网页爬取或解析商品评论的功能。以下是实现该目标的可行路径：
一、使用Perplexity的“搜索+引用”模式辅助比价与评论摘要
Perplexity支持联网搜索并引用公开网页内容，可间接获取亚马逊商品信息及部分平台展示的高亮评论摘要。其本质是调用搜索引擎结果，而非直连亚马逊API或运行爬虫。
1、在Perplexity输入框中键入具体商品名称加限定词，例如“Kindle Paperwhite 11代 亚马逊用户评分与主要优缺点对比”。
2、点击搜索后，观察右侧引用栏是否出现来自Amazon.com、The Wirecutter、CNET等含评论分析的网页链接。
3、点击引用链接旁的“View source”按钮，快速跳转至原始网页，人工定位商品参数表格与星级分布图。
4、在Perplexity生成的回答中，识别其是否已归纳出如“87%用户提到屏幕反光问题，但92%认可电池续航”类基于多源文本的统计性描述。
二、通过Perplexity调用第三方工具链完成实时评论抓取
Perplexity Pro用户可启用“Code Interpreter”或连接Zapier/Make等自动化平台，将查询请求转发至外部爬虫服务，再将结构化数据返回供分析。
1、在Perplexity中输入指令：“运行Python脚本：从亚马逊URL提取前50条评论文本，并按情感倾向分组”（需已配置Code Interpreter插件）。
2、确认脚本调用的是合法代理服务（如ScrapingBee、Bright Data），且目标URL符合亚马逊robots.txt许可范围。
3、等待执行完成后，检查输出表格中是否包含列名“review_text”、“rating”、“date”，并验证首行数据是否为真实评论片段。
4、对返回的CSV格式结果，要求Perplexity进一步执行：“统计含‘disappointed’、‘broke’、‘not worth’的负面高频动词，并标注出现频次”。
Perplexity SEO 优化指南 — 如何获得 Perplexity AI 的引用。涵盖 Perplexity 引用行为、面向 Perplexity 答案的内容结构、Perplex...
三、手动嵌入亚马逊商品页URL触发Perplexity深度解析
Perplexity支持用户粘贴公开网页链接，对其内容进行语义提炼。该方式绕过权限限制，依赖页面HTML中已渲染的可见评论区块。
1、打开亚马逊商品页，滚动至“Customer reviews”区域，确保至少10条评论可见（禁用广告拦截器以免评论区加载失败）。
2、复制当前浏览器地址栏中的完整URL，含asin参数与ref字段，例如https://www.amazon.com/dp/B09V3XKQYJ/ref=cm_cr_arp_d_product_top?th=1。
3、在Perplexity对话框中单独发送该URL，不附加其他文字，等待其自动抓取并生成摘要。
4、查看响应中是否出现类似结构：“共采集到32条近期评论；正面关键词：durable（14次）、easy setup（9次）；负面关键词：shipping delay（7次）、missing parts（5次）”。
四、结合浏览器扩展预处理页面后提交至Perplexity
利用开源扩展（如Web Scraper、Instant Data Scraper）先行提取评论DOM节点，导出为JSON，再将文本粘贴进Perplexity进行归因分析。
1、在Chrome中安装Web Scraper扩展，进入亚马逊商品评论页，点击扩展图标启动录制模式。
2、勾选选择器：“div[data-hook='review-collapsed']”作为评论正文，“i[data-hook='review-star-rating']”作为星级节点。
3、运行爬取，导出为review_data.json文件，用文本编辑器打开并复制全部内容。
4、在Perplexity中输入：“以下为JSON格式的30条亚马逊评论原始数据，请提取每条评论的情感极性（正/中/负），并汇总各极性数量”，随后粘贴JSON文本。
