Cómo construir raspadores web de calidad de producción con Scrapling y Scrapeless en Python

Principales conclusiones:

• Scrapling envía tres fetchers y selectores adaptativos. El Fetcher HTTP (con suplantación de TLS de navegador), el DynamicFetcher respaldado por Playwright, y el StealthyFetcher cubren páginas estáticas, páginas renderizadas con JavaScript y anti-bot medio en una sola biblioteca de Python; además, los selectores adaptativos localizan elementos por su estructura, no solo por una ruta CSS frágil.
• La escalación es HTTP → sigiloso → navegador en la nube. Comienza con el fetcher más barato que funcione; cuando la sigilosidad local se enfrenta a la reputación IP, administradores avanzados de bots, o contenido bloqueado geográficamente, escalas a un navegador en la nube sin reescribir tu código de análisis.
• La integración es de una línea. Dirige el fetcher de Playwright de Scrapling a una sesión Scrapeless a través de CDP — DynamicFetcher.fetch(url, cdp_url=session.browser_ws_endpoint) — y la renderización, salida de proxy y huellas digitales se mueven al lado de la nube.
• Scrapeless maneja la salida y la huella digital. El Navegador de Scraping de Scrapeless se enruta a través de proxies residenciales en más de 195 países y aleatoriza la huella digital del navegador por sesión, por lo que el navegador en la nube renderiza páginas que un navegador sigiloso local sería filtrado.
• Los selectores adaptativos sobreviven al cambio de DOM. Scrapling puede reubicar un elemento después de un cambio de diseño coincidiendo con sus atributos y posición anteriores, por lo que un scraper sigue devolviendo filas cuando el sitio objetivo rota su marcado.
• Gratis para comenzar. Las nuevas cuentas de Scrapeless incluyen tiempo de ejecución gratuito del Navegador de Scraping — regístrate en Scrapeless.

Introducción: Cuando el sigilo local se queda sin opciones

Las páginas dinámicas, cargadas de JavaScript y protegidas contra bots son donde los scrapers HTTP simples fallan silenciosamente. Un script de requests + BeautifulSoup devuelve HTTP 200 y un conjunto de resultados vacío: el marcado que analizó nunca contenía los datos, porque los precios, listados o reseñas son inyectados por JavaScript después de la respuesta inicial. La página se ve bien en un navegador y se ve vacía para tu scraper.

Scrapling eleva el piso. Es una biblioteca de scraping en Python rápida con tres fetchers: un Fetcher HTTP que suplemente el apretón de manos TLS de un navegador real, un DynamicFetcher respaldado por Playwright para renderización de JavaScript, y un StealthyFetcher que añade parches de sigilo y manejo de Cloudflare, además de selectores adaptativos que sobreviven a los cambios del DOM. Esto cubre páginas estáticas y una buena cantidad de protección media contra bots. Pero un navegador que se ejecuta en tu laptop aún lleva una IP de centro de datos o de casa con una reputación conocida, y los administradores avanzados de bots huellan la automatización independientemente de cuán limpio sea el sigilo a nivel de página. En ese punto, la página se renderiza para un humano y se enfrenta a un desafío por ti.

Este tutorial construye un pipeline de Python en dos niveles. El nivel 1 es Scrapling por sí solo: la herramienta adecuada para páginas estáticas y con protección media. El nivel 2 enruta el DynamicFetcher de Scrapling a través del Navegador de Scraping de Scrapeless sobre CDP, de forma que la renderización sucede del lado de la nube detrás de proxies residenciales y huellas digitales de anti-detección por sesión, mientras tu código de análisis de Scrapling se mantiene exactamente igual. Para el mismo primitive del Navegador de Scraping de Scrapeless impulsado a través de un marco de agente en lugar de un fetcher, consulta la publicación de integración de LangChain.

Lo que puedes construir

El patrón de dos niveles — fetchers de Scrapling al frente, Navegador de Scraping de Scrapeless detrás de la escalación — cubre la mayoría de los trabajos que rompen un scraper HTTP simple:

• Monitores de precios y stock en escaparates de SPA. Renderiza páginas de productos de aplicaciones de una sola página cuyos precios se hidratan a través de un segundo XHR, y luego extrae los números que Scrapling analiza del DOM renderizado.
• Extracción adyacente a SERP. Extrae bloques de resultados orgánicos y fragmentos de páginas de resultados de estilo búsqueda que se envían como JavaScript, y luego navega a través de ellos con selectores adaptativos.
• Listas de contactos de directorios de JavaScript. Recorre sitios de listados de negocios y directorios de miembros que renderizan filas del lado del cliente, y recopila campos de contacto en registros tipados.
• Instantáneas geo-específicas a través de salida residencial. Captura los listados, precios o disponibilidad que un usuario local vería fijando el país del proxy de Scrapeless, en lugar de lo que resuelve tu IP de oficina.
• Ingesta RAG de páginas renderizadas. Renderiza páginas de editores y documentación para limpiar contenido para un pipeline de incrustación, de forma que la capa de recuperación indexe lo que la página muestra realmente, no un caparazón vacío.
• Scrapers resilientes que sobreviven a cambios de diseño. Apóyate en los selectores adaptativos de Scrapling para que un scraper programado siga devolviendo filas después de que el sitio objetivo reorganice su DOM, en lugar de fallar en silencio en la siguiente ejecución.
• Extracción de objetivos difíciles detrás de un anti-bot avanzado. Escala el mismo código de Scrapling al Navegador de Scraping de Scrapeless cuando un sitio carga por adelantado un administrador avanzado de bots que el sigilo local no puede limpiar.
  En Scrapeless, solo accedemos a datos disponibles públicamente mientras cumplimos estrictamente con las leyes, regulaciones y políticas de privacidad de los sitios web aplicables. El contenido de esta publicación es solo para fines de demostración.

Por qué emparejar Scrapling con Scrapeless

Scrapling se encarga de analizar, la ergonomía del extractor y los selectores adaptativos; el Navegador de Scraping de Scrapeless maneja la plomería de evasión que un navegador local no puede. Los dos se acoplan de manera limpia porque la transferencia es un solo punto final de CDP.

• Navegador en la nube anti-detección. El Navegador de Scraping de Scrapeless ejecuta un Chromium auto-desarrollado con representación completa de JavaScript en el lado de la nube, por lo que las SPA, los feeds de desplazamiento infinito y los paneles cargados de forma perezosa se hidratan antes de que Scrapling los analice.
• Proxies residenciales en más de 195 países. Establece proxy_country cuando generes una sesión y el navegador en la nube saldrá de IPs residenciales reales en la región que apuntas, por lo que las páginas vinculadas geográficamente devuelven lo que un usuario local ve.
• Aleatorización de huellas digitales por sesión. Cada sesión obtiene una huella digital aleatorizada — agente de usuario, zona horaria, WebGL y canvas — para que las ejecuciones repetidas no colapsen en una única identidad detectable.
• Integración de cdp_url. Pasa el punto final de la sesión de Scrapeless como cdp_url a DynamicFetcher.fetch(...) y nada más en la API de Scrapling cambia: los mismos selectores, los mismos objetos de resultado, el mismo código de análisis.
• Persistencia de sesión a través de session_ttl. Mantén una sesión abierta durante múltiples cargas de página configurando session_ttl en la creación, para que las cookies calientes y el estado de navegación se mantengan entre solicitudes en una sola ejecución.

El tiempo de ejecución es gratuito para comenzar y escala con el uso — consulta precios de Scrapeless para conocer los niveles, y obtén tu clave API en el plan gratuito en Scrapeless.

Cómo se compara Scrapling con requests, BeautifulSoup y Scrapy

Si tu pila actual es requests + BeautifulSoup o Scrapy, aquí es donde se adapta Scrapling y lo que cambia una vez que el navegador en la nube de Scrapeless está detrás de él.

La progresión es aditiva. Mantén requests/BeautifulSoup donde ya funciona, utiliza los extractores de Scrapling cuando una página necesita un navegador o HTTP consciente de la huella digital, y dirige Scrapling a través del Navegador de Scraping de Scrapeless sobre cdp_url cuando el renderizado local se filtra. El código de análisis — page.css(...), page.xpath(...) — permanece idéntico en los tres.

Requisitos previos

Antes de comenzar, asegúrate de tener:

• Python 3.10+ — Scrapling 0.4.8 lo requiere.
• pip — para instalar los paquetes a continuación.
• Una cuenta de Scrapeless y clave API — regístrate en el plan gratuito en Sitio Web de Scrapeless, luego obtén tu clave de Configuraciones → Gestión de Claves API.
• Familiaridad básica con selectores CSS/XPath y la terminal — usarás ambos para obtener páginas y extraer valores de ellas.

Instalación

Solo necesitas dos paquetes: Scrapling para la obtención y análisis, y el SDK oficial de Scrapeless para generar sesiones de navegador en la nube.

1. Instala Scrapling y el SDK de Scrapeless

pip install "scrapling[fetchers]" scrapeless
scrapling install   # obtiene navegadores locales para DynamicFetcher / StealthyFetcher (salta si solo usas el navegador en la nube remoto de Scrapeless a través de cdp_url)

scrapling[fetchers] te proporciona la capa de extracción y análisis (las clases Fetcher, DynamicFetcher y StealthyFetcher, además de una API de selectores similar a parsel), mientras que scrapeless es el SDK oficial que crea sesiones del Navegador de Scraping de Scrapeless y te proporciona un punto final de CDP para conectarte.

2. Establece tu clave API de Scrapeless

Exporta tu clave para que el SDK pueda leerla:

export SCRAPELESS_API_KEY=tu_token_api_aquí

En Windows, usa setx SCRAPELESS_API_KEY "tu_token_api_aqui" (persistente, nueva terminal) o $env:SCRAPELESS_API_KEY="tu_token_api_aqui" (sesión actual de PowerShell). El SDK de Scrapeless lee esta variable automáticamente; no necesitas pasar la clave en el código.

3. Prueba de humo de la instalación

Confirma el entorno importando los tres fetchers y extrayendo algunos valores de una página estática:

from scrapling.fetchers import Fetcher, DynamicFetcher, StealthyFetcher

page = Fetcher.get("https://quotes.toscrape.com/")
print(page.status, len(page.css("span.text::text")), "citas")  # -> 200 10 citas

Si ves 200 10 citas, Scrapling está instalado y parseando correctamente, y estás listo para conectar el Scrapeless Scraping Browser.

Paso 1 — Los tres fetchers de Scrapling

Scrapling incluye tres fetchers que intercambian velocidad por evasión. La regla general es elegir el más liviano que devuelva los datos que necesitas, y luego escalar solo cuando una solicitud regrese bloqueada o vacía: comienza con Fetcher para HTTP simple, pasa a DynamicFetcher cuando la página necesita JavaScript para renderizar, y alcanza StealthyFetcher cuando hay una capa anti-bot en el camino.

Los tres importan del mismo módulo y devuelven una respuesta similar a parsel, por lo que la API de selectores (.css(...), .xpath(...)) es idéntica independientemente de qué fetcher produjo la página.

from scrapling.fetchers import Fetcher

# Fetch HTTP con suplantación de TLS del navegador; devuelve una Respuesta similar a parsel.
page = Fetcher.get("https://books.toscrape.com/", impersonate="chrome", stealthy_headers=True)
title = page.css("article.product_pod h3 a::attr(title)")  # -> título del primer libro

from scrapling.fetchers import DynamicFetcher

# Playwright renderiza el JS, y luego devuelve la página hidratada como una Respuesta similar a parsel.
# Necesita un navegador local (ejecuta `scrapling install`) o uno remoto a través de cdp_url (próximo paso).
page = DynamicFetcher.fetch("https://quotes.toscrape.com/js/", network_idle=True)
quotes = page.css("span.text::text")  # -> las citas renderizadas por JS, ahora visibles

from scrapling.fetchers import StealthyFetcher

# Stealth Playwright intenta el apretón de manos anti-bot, y luego devuelve la página.
page = StealthyFetcher.fetch("https://example.com/protected-page",
                             solve_cloudflare=True, block_webrtc=True, hide_canvas=True)
content = page.css("main ::text")  # -> texto de la página una vez que el desafío se resuelve

Paso 2 — Agregar un proxy (y dónde se detiene la evasión local)

Una IP limpia de centro de datos es una de las primeras cosas que un gestor de bots marca. Enrutar solicitudes a través de proxies residenciales corta esos bloqueos de reputación IP porque la dirección de salida parece una conexión doméstica ordinaria. Cada fetcher de Scrapling acepta un proxy a través del mismo argumento proxy=, por lo que puedes añadir uno sin cambiar el resto de tu código.

from scrapling.fetchers import Fetcher, StealthyFetcher

# Pasa una cadena de proxy a cualquier fetcher a través de proxy=.
page = Fetcher.get("https://books.toscrape.com/",
                   proxy="http://<usuario>:<contraseña>@<host>:<puerto>")

# StealthyFetcher toma el mismo argumento mientras trabaja en el desafío anti-bot.
page = StealthyFetcher.fetch("https://example.com/protected-page",
                            proxy="http://<usuario>:<contraseña>@<host>:<puerto>",
                            solve_cloudflare=True)

Aquí es donde Scrapeless encaja en la historia del proxy. Scrapeless proporciona proxies residenciales en más de 195 países, y hay dos formas de ponerlos frente a Scrapling. El camino más sencillo los aplica a nivel de sesión del navegador en la nube: cuando conectas DynamicFetcher a una sesión del Scrapeless Scraping Browser, fijas la salida con proxy_country (mostrado en el próximo paso) y nunca tocas una cadena de proxy en absoluto. Scrapeless también ofrece un producto de proxy independiente cuyos credenciales de gateway se insertan directamente en el argumento proxy= de Scrapling; consulta soluciones de proxy de Scrapeless para la oferta y docs.scrapeless.com para la cadena exacta del gateway que debes pegar en lugar del espacio reservado <usuario>:<contraseña>@<host>:<puerto> anterior.

Un buen proxy soluciona el problema de reputación IP, pero no lo soluciona todo. Los navegadores de evasión local aún son filtrados por gestores de bots avanzados y se bloquean en JavaScript pesado del lado del cliente, sin importar cuán limpia sea la IP de salida. Precisamente ahí es donde el navegador en la nube de Scrapeless toma el control — cubierto en el próximo paso.

Paso 3 — Enrutar Scrapling a través del navegador en la nube de Scrapeless (cdp_url)

Cuando se agoten las técnicas de ocultación locales — renderización pesada del lado del cliente, un gestor avanzado de bots, o una página que solo se resuelve desde un país específico — genera una sesión de Scrapeless con el SDK y entrega su endpoint CDP a Scrapling. El SDK genera la sesión; Scrapling la gestiona. El proxy residencial (proxy_country) y la huella digital del navegador se manejan del lado de la nube mediante el Navegador Scraping de Scrapeless, por lo que tu código de Scrapling permanece igual, excepto por un argumento extra: cdp_url.

from scrapeless import Scrapeless
from scrapeless.types import ICreateBrowser
from scrapling.fetchers import DynamicFetcher

client = Scrapeless()  # lee SCRAPELESS_API_KEY
session = client.browser.create(ICreateBrowser(proxy_country="US", session_ttl=240))

page = DynamicFetcher.fetch(
    "https://quotes.toscrape.com/js/",
    cdp_url=session.browser_ws_endpoint,
    network_idle=True,
)

quotes = page.css("span.text::text")
authors = page.css("small.author::text")

session.browser_ws_endpoint es una URL CDP WebSocket de la forma wss://browser.scrapeless.com/browser?token=...&proxy... — Scrapling se conecta a ella exactamente como lo haría con un navegador local. La diferencia principal es clave: un simple Fetcher.get en https://quotes.toscrape.com/js/ devuelve 0 citas porque HTTP no puede ejecutar el JavaScript de la página, mientras que la misma página extraída a través de cdp_url de Scrapeless rinde 10 citas (más sus autores). Ese es el comportamiento de la plataforma, no un truco de ajuste — el navegador en la nube ejecuta el JS, luego Scrapling analiza el DOM resultante.

StealthyFetcher.fetch(...) acepta cdp_url con el mismo patrón cuando deseas la capa de ocultación de Scrapling sobre el navegador en la nube.

Paso 4 — Selectores adaptativos que sobreviven al cambio de DOM

Los selectores son la parte más frágil de cualquier raspador: un rediseño renombra una clase o mueve un elemento, y cada llamada a css(...) silenciosamente no devuelve nada. El modo adaptativo de Scrapling se protege contra eso. Pasa adaptive=True (y opcionalmente adaptive_domain=...) en la búsqueda, y Scrapling almacena una huella digital de cada elemento que seleccionas. Cuando el DOM cambia, reubica el elemento guardado por similitud en lugar de por una ruta exacta, así que tus selectores siguen resolviendo a través de cambios en el diseño.

from scrapling.fetchers import DynamicFetcher

# Primera ejecución: selecciona normalmente; Scrapling recuerda cómo lucía cada elemento.
page = DynamicFetcher.fetch(
    "https://quotes.toscrape.com/js/",
    cdp_url=session.browser_ws_endpoint,
    network_idle=True,
    adaptive=True,
    adaptive_domain="quotes.toscrape.com",
)
quotes = page.css("span.text::text")

# Más tarde, después de que el sitio reorganiza su marcado: re-selecciona con la misma llamada.
# Incluso si "span.text" ya no coincide, el modo adaptativo reubica el elemento guardado.
page = DynamicFetcher.fetch(
    "https://quotes.toscrape.com/js/",
    cdp_url=session.browser_ws_endpoint,
    network_idle=True,
    adaptive=True,
    adaptive_domain="quotes.toscrape.com",
)
quotes = page.css("span.text::text")

Utiliza selectores adaptativos en páginas que raspas repetidamente y que sufren cambios estéticos frecuentes — absorbe el pequeño movimiento del DOM para que solo revisites selectores después de un rediseño genuino.

Paso 5 — Rastrea múltiples páginas en una sola sesión en la nube

La mayoría de los trabajos reales abarcan más de una URL — listados paginados, resultados de búsqueda, árboles de categorías. Generar un nuevo navegador en la nube por cada página deshecha la sesión activa y paga nuevamente el apretón de manos de conexión cada vez. DynamicSession de Scrapling mantiene una sola conexión al navegador en la nube de Scrapeless abierta y obtiene cada página a través de ella, así que las cookies, la identidad residencial y el estado de navegación se mantienen a lo largo de todo el rastreo.

from scrapeless import Scrapeless
from scrapeless.types import ICreateBrowser
from scrapling.fetchers import DynamicSession

client = Scrapeless()
session = client.browser.create(ICreateBrowser(proxy_country="US", session_ttl=300))

rows = []
with DynamicSession(cdp_url=session.browser_ws_endpoint) as crawler:
    for n in range(1, 4):  # páginas 1..3
        url = "https://quotes.toscrape.com/js/" if n == 1 else f"https://quotes.toscrape.com/js/page/{n}/"
        page = crawler.fetch(url, network_idle=True)
        quotes = page.css("span.text::text")
        authors = page.css("small.author::text")
        rows += [{"quote": str(q), "author": str(a)} for q, a in zip(quotes, authors)]

print(len(rows), "filas")  # diez filas de citas por página se acumulan aquí

Cada página rinde diez filas de citas, acumuladas en rows durante una sesión de navegador en la nube reutilizada. network_idle=True espera a que cada página se hidrate antes de la extracción; trata una página corta o vacía como una señal de reintento en lugar del final del listado. Para un rastreo de lista a detalle, obtén primero el listado, recoge las URL de detalle con page.css("a::attr(href)"), y luego extrae cada una a través del mismo crawler — la sesión residencial y la huella digital permanecen constantes durante todo el recorrido.

Paso 6 — Fortalecimiento para producción

Pasar de un script funcional a un trabajo confiable se trata principalmente de retropresión y recuperación. Algunas reglas llevan la mayor parte del peso:

• Limitar la concurrencia. Mantener ≤3 sesiones de navegador en la nube por host. Superar eso invita a límites de tasa y restablecimientos de conexión, y el rendimiento marginal rara vez justifica las fallas adicionales.
• Reintentar errores de conexión transitorios con retroceso. Los errores de túnel y de tiempo de espera, como ERR_TUNNEL_CONNECTION_FAILED, son transitorios por naturaleza. Captúralos, espera con un retroceso exponencial y reintenta: no trates un único intento fallido como una página muerta.
• Rotar egress con ProxyRotator. El ProxyRotator de Scrapling ciclo proxies a través de las solicitudes para que no golpees un objetivo desde una sola IP; combínalo con el proxy residencial de Scrapeless para trabajos geográficos.
• Reutilizar una sesión a través de los pasos. Genera una vez con session_ttl (por ejemplo, 240 segundos) y pasa el mismo browser_ws_endpoint a través de un flujo de varios pasos — inicia sesión, navega, extrae — en lugar de pagar para iniciar un navegador nuevo por cada solicitud.
• Tratar campos ausentes como anulables. Las páginas reales omiten calificaciones, autores o precios en algunas filas. Establece selectores faltantes en None en lugar de afirmar que existen, para que un registro escaso no detenga la ejecución.

Obtén tu clave de API en el plan gratuito: Scrapeless

Lo que recibes de regreso

[
  {
    "quote": "El mundo tal como lo hemos creado es un proceso de nuestro pensamiento. No se puede cambiar sin cambiar nuestro pensamiento.",
    "author": "Albert Einstein"
  },
  {
    "quote": "Son nuestras elecciones, Harry, las que muestran lo que realmente somos, mucho más que nuestras habilidades.",
    "author": "J.K. Rowling"
  },
  {
    "quote": "Solo hay dos maneras de vivir tu vida. Una es como si nada fuera un milagro. La otra es como si todo fuera un milagro.",
    "author": "Albert Einstein"
  }
]
// La forma refleja la extracción del Paso 3; los valores son muestras ilustrativas.

Algunas observaciones honestas de ejecutar esta tubería:

• Las páginas renderizadas por JS necesitan el navegador en la nube. Una búsqueda HTTP simple de https://quotes.toscrape.com/js/ devuelve 0 filas; solo el navegador en la nube, alcanzado a través de cdp_url, ejecuta el JavaScript para que Scrapling pueda analizarlo.
• network_idle=True espera la hidratación. Se mantiene hasta que la red se estabiliza, lo cual es importante en páginas que recuperan su contenido después de la primera pintura.
• Los selectores adaptativos reducen la ruptura, no la verificación. Absorben pequeños cambios en el DOM, pero después de un rediseño importante, aún debes volver a ejecutar el descubrimiento de selectores y confirmar la salida.
• Fijar proxy_country para páginas geográficas. Los precios, la disponibilidad y los muros de consentimiento varían según la región; establecer proxy_country mantiene los resultados consistentes con la localidad que estás apuntando.
• Las páginas estáticas no necesitan nada de esto. Si Fetcher.get ya devuelve los datos, úsalo: eleva al navegador en la nube solo cuando HTTP devuelve vacío o bloqueado.
• Los errores de túnel transitorios y 5xx son reintentables. Un ERR_TUNNEL_CONNECTION_FAILED o 500 ocasionalmente es ruido de red, no un fallo en tu código: reintenta con retroceso.

Conclusión: Proveedor más ligero primero, navegador en la nube cuando esté bloqueado

La tubería se reduce a tres movimientos. Elige el proveedor más ligero que funcione: Fetcher.get para HTML estático. Escala al navegador de Scrapeless pasando session.browser_ws_endpoint al cdp_url de Scrapling en el momento en que una página regresa vacía, bloqueada o geográficamente restringida. Luego analiza con selectores adaptativos para que la extracción sobreviva al próximo cambio de diseño. Solo pagas por el navegador en la nube cuando realmente lo necesitas: consulta precios de Scrapeless para saber lo que cubre el nivel gratuito, y el resto de tu código se mantiene como Scrapling simple.

Desde aquí, el mismo patrón cdp_url se conecta a sistemas más grandes. Consulta la guía LangChain + Scrapeless para integrar renderizado en la nube en un agente, y el tutorial para scraper de Etsy para una construcción completa del sitio. Antes de enviar: exporta SCRAPELESS_API_KEY, fija proxy_country para cualquier página geográfica, mantén la concurrencia en ≤3 sesiones por host y trata los campos ausentes como anulables.

Preguntas Frecuentes

¿Es legal el web scraping?

Scrapar datos públicamente disponibles es generalmente permisible en muchas jurisdicciones, pero la ley no es uniforme. Revisa los Términos de Servicio de cada sitio, evita recolectar datos personales o protegidos por derechos de autor que no tienes derecho a obtener y recuerda que las reglas varían según la jurisdicción. Cuando tengas dudas, busca asesoramiento legal para tu caso específico.

¿Necesitas un proxy?

Para cualquier cosa a gran escala, sí. La salida residencial corta drásticamente bloques en comparación con las IPs de centros de datos, y es necesaria para las páginas que restringen contenido por región. Scrapeless proporciona proxies residenciales en más de 195 países: establece proxy_country cuando generes una sesión, o enruta a través de un gateway de proxy, para que no tengas que conseguir y rotar las IPs tú mismo.

¿Cuándo necesitas el navegador en la nube en lugar de Scrapling local?

Permanece local cuando Fetcher.get devuelve los datos: es el camino más rápido. Escala al navegador en la nube de Scrapeless a través de cdp_url cuando la página tenga mucho JavaScript del lado del cliente, esté precedida por un administrador de bots avanzado, o esté geo-restringida. El navegador en la nube ejecuta el JS y aplica anti-detección y salida residencial que una búsqueda local no puede igualar.

¿Por qué sigues viendo ERR_TUNNEL_CONNECTION_FAILED o errores 5xx?

Reintenta. Esos son errores transitorios de conexión, no errores en tu script. Envuelve la búsqueda en un bucle de reintento con retroceso exponencial y un límite sensato; la mayoría de estos se resuelven en el segundo o tercer intento.

Mis selectores fallaron después de un rediseño del sitio. ¿Cómo lo arreglas?

Activa los selectores adaptativos (adaptive=True con adaptive_domain=...) para que Scrapling reubique los elementos guardados a través de pequeñas alteraciones en el DOM. Tras un gran rediseño, vuelve a ejecutar tu descubrimiento de selectores para confirmar el nuevo marcado, luego deja que el modo adaptativo mantenga la línea nuevamente.

¿Existen límites de concurrencia que debes respetar?

Mantén los ≤3 sesiones de navegador en la nube por anfitrión. Más allá de eso, intercambias algo de rendimiento por una gran cantidad de limitación de tasas y reinicios de conexión. Utiliza concurrencia limitada y una cola en lugar de disparar cada solicitud a la vez.

Scrapling envía su propio MCP (pip install "scrapling[ai]") — ¿cómo se relaciona esto?

Puedes superponer ambos. El MCP de Scrapling da a un agente de IA control directo sobre la biblioteca local; el servidor MCP de Scrapeless proporciona a ese agente renderizado en la nube con anti-detección y proxies residenciales. Úsalos juntos, o elige el que se ajuste a tu pila. Esta guía toma el camino de la biblioteca: Scrapling dirigiendo el navegador en la nube de Scrapeless a través de cdp_url, lo que mantiene la integración en un solo argumento y sin servidor extra que ejecutar.

¿Listo para construir tu pipeline de datos potenciado por IA?

Únete a nuestra comunidad para reclamar un plan gratuito y conectar con desarrolladores que están construyendo pipelines de datos Scrapling + Scrapeless: Discord · Telegram.

Regístrate en Scrapeless para obtener tiempo de ejecución del Scraping Browser gratuito y adapta los patrones anteriores a las páginas y regiones que tu pipeline necesita. Referencia completa en docs.scrapeless.com.