niquests Web Scraping: Solicitudes HTTP/2 modernas para Python

pip install "niquests==3.20.1"

export SCRAPELESS_API_KEY="sk_your_scrapeless_key"

# direct.py — transporte moderno, contenido ausente
import niquests

session = niquests.Session()
resp = session.get("https://quotes.toscrape.com/js/", timeout=30)

print("versión http:", resp.conn_info.http_version)
print("bloques de cita en la página js:", resp.text.count('class="quote"'))

versión http: HttpVersion.h2
bloques de cita en la página js: 0

# rendered.py — niquests llama a la API de renderizado, luego extrae
import os
import re

import niquests

session = niquests.Session()
resp = session.post(
    "https://api.scrapeless.com/api/v2/unlocker/request",
    headers={"x-api-token": os.environ["SCRAPELESS_API_KEY"]},
    json={"actor": "unlocker.webunlocker", "input": {"url": "https://quotes.toscrape.com/js/", "js_render": True}},
    timeout=120,
)
resp.raise_for_status()
html = resp.json()["data"]

authors = re.findall(r'<small class="author">(.*?)</small>', html)
print("bloques de cita renderizados:", html.count('class="quote"'))
print("autores extraídos:", len(authors))
print("primer autor:", authors[0])

bloques de cita renderizados: 10
autores extraídos: 10

Ese es todo el scraper, y nunca dejó niquests: una `Session` que realiza una solicitud directa donde eso funciona y una solicitud de Scrapeless donde se necesita renderizado. La [API de Rasgado Universal](https://www.scrapeless.com/es/product/universal-scraping-api?utm_source=website&utm_medium=blog&utm_campaign=universalscrapingapi&utm_term=niquests-web-scraping) se encarga del renderizado; niquests hace el HTTP.

> Obtén tu clave de API en el plan gratuito: [app.scrapeless.com](https://app.scrapeless.com/passport/login?utm_source=website&utm_medium=blog&utm_campaign=universalscrapingapi&utm_term=niquests-web-scraping)

## Patrones avanzados

- **Migra con una línea.** `import niquests as requests` permite a una base de código existente de `requests` adoptar HTTP/2 y multiplexión sin ningún otro cambio; la API es la misma.
- **Reutiliza la sesión.** Una única `niquests.Session()` agrupa y multiplica conexiones, donde la ventaja de transporte se muestra a través de muchas solicitudes: constrúyela una vez y pásala.
- **Agrega un verdadero analizador cuando superes las expresiones regulares.** La expresión regular aquí mantiene el ejemplo en una sola dependencia; para cualquier cosa más allá de una lista plana, alimenta `resp.json()["data"]` a una biblioteca de selectores y selecciona campos estructurados.
- **Deja que negocie.** niquests elige HTTP/2 o HTTP/3 cuando el servidor lo ofrece y retrocede correctamente cuando no lo hace; no configuras la versión, la lees de `conn_info` cuando quieres confirmarlo.

## Solución de problemas

- **`conn_info.http_version` es HTTP/1.1.** El servidor no ofreció HTTP/2 para esa solicitud, o un intermediario lo degradó. Esto es normal y no un error; niquests utiliza la mejor versión disponible.
- **Cero bloques de una página que puedes ver en un navegador.** El contenido se renderiza con JavaScript y la obtención directa devolvió HTML pre-renderizado: el caso de `js-page quote blocks: 0`. Ruta esa URL a través de la llamada Scrapeless con `js_render` en su lugar.
- **`json()` genera una excepción en la respuesta de Scrapeless.** La solicitud falló antes del renderizado. Llama primero a `raise_for_status()`, y confirma que la clave está configurada y que el actor y la entrada están estructurados como se muestra.
- **Tiempos de espera en páginas lentas.** El renderizado toma más tiempo que una obtención estática. Da al POST de Scrapeless un `timeout` generoso, como lo hace el ejemplo, en lugar del corto predeterminado que usarías para una solicitud directa.

## Conclusión

niquests se gana su lugar como el único cliente HTTP que necesita un scraper: la API de `requests` con transporte moderno, manejando tanto la obtención directa como la llamada a una API de renderizado. La capa que convierte una página construida con script en contenido es la obtención: el resultado de cero bloques de la solicitud directa lo establece — y un POST de Scrapeless, hecho por niquests mismo, cierra la brecha. Conecta los dos caminos en una sola sesión y los diez autores de la página de demostración vuelven a través de HTTP que no tuviste que reescribir.

[Crea una cuenta gratuita en Scrapeless](https://app.scrapeless.com/passport/login?utm_source=website&utm_medium=blog&utm_campaign=universalscrapingapi&utm_term=niquests-web-scraping) para obtener una clave de API, y la [documentación para desarrolladores](https://docs.scrapeless.com?utm_source=website&utm_medium=blog&utm_campaign=universalscrapingapi&utm_term=niquests-web-scraping) cubre los parámetros `unlocker.webunlocker`. Consulta [los precios de Scrapeless](https://www.scrapeless.com/es/pricing?utm_source=website&utm_medium=blog&utm_campaign=universalscrapingapi&utm_term=niquests-web-scraping) cuando planees un trabajo recurrente.

## FAQ

**P: ¿Puede niquests rasgar páginas renderizadas por JavaScript por sí mismo?**

No. niquests es un cliente HTTP, no un navegador; devuelve el marcado que envía el servidor y no ejecuta scripts. En una página que construye su contenido del lado del cliente, la obtención directa vuelve sin el contenido: el resultado de cero bloques de la guía. Rutea esas páginas a través de la API Universal de Rasgado Scrapeless, que las renderiza, y niquests también hace esa llamada.

**P: ¿Cómo es niquests diferente de requests?**

La misma API, transporte más nuevo. niquests es un fork de `requests` que agrega HTTP/2, HTTP/3, multiplexión de conexiones y DNS sobre HTTPS, manteniendo `Session`, `get`, `post` y `json()` idénticos. `import niquests as requests` suele ser toda la migración.

**P: ¿Necesito un analizador separado?**

Para una lista plana de campos, una expresión regular o la biblioteca estándar es suficiente, como se mostró. Para extracción anidada o estructurada, empareja niquests con una biblioteca de selectores: niquests obtiene, el analizador selecciona. Esta guía se mantiene a una dependencia a propósito.

**P: ¿Ayuda HTTP/2 con el bloqueo de rasgado?**

Es una actualización de transporte, no una medida anti-bloqueo. La multiplexión HTTP/2 mejora el rendimiento a través de muchas solicitudes, pero no renderiza JavaScript ni elimina desafíos de acceso, ese es el trabajo de la capa de obtención, que es por eso que el camino renderizado pasa por Scrapeless.

**P: ¿Es legal rasgar con niquests?**
El cliente HTTP no cambia las reglas de recopilación. Solo recopile páginas públicas, respete los términos del sitio y las directrices de robots estandarizadas por <a href="https://datatracker.ietf.org/doc/html/rfc9309" rel="nofollow"><strong>el Protocolo de Exclusión de Robots</strong></a>, mantenga los volúmenes limitados y maneje cualquier dato personal según las leyes que le correspondan.