Git Stars Git Stars

#scraping Repositorios

Descubre 109 repositorios activos de código abierto de GitHub etiquetados con #scraping, que acumulan 768,143 estrellas en total (una media de 7,047 estrellas por proyecto). El líder de este tema es firecrawl/firecrawl, con 205,758 estrellas.

109
Total de Repositorios
768,143
Total de estrellas
7,047
Promedio de Estrellas/Repo

109 repositorios en total

1
firecrawl/firecrawl

Infraestructura de conocimiento para hacer más inteligentes a sus agentes. Busque, extraiga y acceda a más de 550 proveedores de datos a través de una sola API.

firecrawl
⭐ 205,758 TypeScript 👤 firecrawl Organization 🕐 Actualizado 2026-11-21 📅 Creado 2024-04-15
2
D4Vinci/Scrapling

🕷️ ¡El MEJOR framework de web scraping, capaz de gestionar desde una sola solicitud hasta un rastreo a gran escala! No seas tímido: únete aquí https://discord.gg/EMgGbDceNQ y síguenos aquí para recibir consejos y trucos a diario: https://x.com/Scrapling_dev

D4Vinci
⭐ 104,760 Python 👤 D4Vinci User 🕐 Actualizado 2026-11-17 📅 Creado 2024-10-13
3
scrapy/scrapy

Scrapy, un framework rápido de alto nivel para web crawling y scraping en Python.

scrapy
⭐ 65,519 Python 👤 scrapy Organization 🕐 Actualizado 2026-11-19 📅 Creado 2010-02-22
4
soxoj/maigret

🕵️‍♂️ Recopila un expediente sobre una persona por nombre de usuario de 6.000 sitios web

soxoj
⭐ 41,111 Python 👤 soxoj User 🕐 Actualizado 2026-11-21 📅 Creado 2020-06-27
5
ScrapeGraphAI/Scrapegraph-ai

Scraper de Python basado en IA

ScrapeGraphAI
⭐ 32,877 Python 👤 ScrapeGraphAI Organization 🕐 Actualizado 2026-10-06 📅 Creado 2024-01-27
6
apify/crawlee

Crawlee—Una biblioteca de web scraping y automatización de navegadores para Node.js para construir rastreadores confiables. En JavaScript y TypeScript. Extrae datos para IA, LLMs, RAG o GPTs. Descarga HTML, PDF, JPG, PNG y otros archivos de sitios web. Funciona con Puppeteer, Playwright, Cheerio, JSDOM y HTTP puro. Tanto en modo con cabeza como sin cabeza. Con rotación de proxies.

apify
⭐ 26,510 TypeScript 👤 apify Organization 🕐 Actualizado 2026-11-21 📅 Creado 2016-08-26
7
gocolly/colly

Marco elegante de raspado y rastreo para Golang

gocolly
⭐ 25,608 Go 👤 gocolly Organization 🕐 Actualizado 2026-10-16 📅 Creado 2017-09-29
8
psf/requests-html

Análisis de HTML Pythonic para Humanos™

psf
⭐ 13,874 Python 👤 psf Organization 🕐 Actualizado 2024-04-16 📅 Creado 2018-02-24
9
daijro/camoufox

🦊 Navegador Anti-detección

daijro
⭐ 13,533 C 👤 daijro User 🕐 Actualizado 2026-11-19 📅 Creado 2024-07-26
10
ultrafunkamsterdam/undetected-chromedriver

Chromedriver de Selenium personalizado | Cero configuración | Pasa TODOS los sistemas de mitigación de bots (como Distil / Imperva / Datadadome / CloudFlare IUAM)

ultrafunkamsterdam
⭐ 12,725 Python 👤 ultrafunkamsterdam User 🕐 Actualizado 2025-07-05 📅 Creado 2019-12-22
11
jo-inc/camofox-browser

Navegador headless sigiloso para agentes de IA — evita Cloudflare, detección de bots y anti-scraping. Reemplazo drop-in de Puppeteer/Playwright.

jo-inc
⭐ 12,437 JavaScript 👤 jo-inc Organization 🕐 Actualizado 2026-11-10 📅 Creado 2026-01-26
12
code4craft/webmagic

Un marco de trabajo escalable para rastreadores web en Java.

code4craft
⭐ 11,660 Java 👤 code4craft User 🕐 Actualizado 2025-12-20 📅 Creado 2013-04-23
13
apify/crawlee-python

Crawlee: una biblioteca de scraping web y automatización de navegadores para Python con la que crear rastreadores fiables. Extrae datos estructurados con LLM mediante Pydantic AI o controla el navegador en lenguaje natural con Stagehand. Compatible con BeautifulSoup, Parsel, Playwright y HTTP sin procesar. Descarga HTML, PDF, imágenes y otros archivos. Incluye rotación de proxies.

apify
⭐ 9,679 Python 👤 apify Organization 🕐 Actualizado 2026-11-20 📅 Creado 2024-01-10
14
lorien/awesome-web-scraping

Lista de bibliotecas, herramientas y APIs para web scraping y procesamiento de datos.

lorien
⭐ 8,242 JavaScript 👤 lorien User 🕐 Actualizado 2026-11-21 📅 Creado 2015-08-12
15
alirezamika/autoscraper

Un raspador web inteligente, automático, rápido y ligero para Python

alirezamika
⭐ 8,102 Python 👤 alirezamika User 🕐 Actualizado 2026-07-29 📅 Creado 2020-08-31
16
tabulapdf/tabula

Tabula es una herramienta para liberar tablas de datos atrapadas dentro de archivos PDF

tabulapdf
⭐ 7,414 CSS 👤 tabulapdf Organization 🕐 Actualizado 2025-03-14 📅 Creado 2013-03-11
17
adbar/trafilatura

Herramienta de Python y línea de comandos para recopilar texto y metadatos en la Web: Rastreo, raspado, extracción, salida como CSV, JSON, HTML, MD, TXT, XML

adbar
⭐ 7,157 Python 👤 adbar User 🕐 Actualizado 2026-11-20 📅 Creado 2019-04-08
18
autoscrape-labs/pydoll

Pydoll es una biblioteca para automatizar navegadores basados en Chromium sin WebDriver, que ofrece interacciones realistas.

autoscrape-labs
⭐ 7,145 HTML 👤 autoscrape-labs Organization 🕐 Actualizado 2026-11-08 📅 Creado 2024-10-27
19
proxifly/free-proxy-list

🚀 Lista de proxies HTTP, SOCKS4 y SOCKS5 gratuitos * Actualizada cada 5 minutos * y API de proxy rotativo (más de 100 países)

proxifly
⭐ 7,083 👤 proxifly Organization 🕐 Actualizado 2026-11-21 📅 Creado 2023-07-13
20
jaypyles/Scraperr

Web scraper autoalojado.

jaypyles
⭐ 4,876 TypeScript 👤 jaypyles User 🕐 Actualizado 2025-10-12 📅 Creado 2024-07-06
21
d60/twikit

Extractor de API de Twitter | Sin clave de API | API Interna de Twitter | Gratis | Extractor de Twitter | Bot de Twitter

d60
⭐ 4,785 Python 👤 d60 User 🕐 Actualizado 2026-03-10 📅 Creado 2024-01-20
22
bjesus/pipet

Herramienta multiusos para raspar y extraer datos de activos en línea, hecha para hackers

bjesus
⭐ 4,610 Go 👤 bjesus User 🕐 Actualizado 2024-10-12 📅 Creado 2024-08-31
23
sparklemotion/mechanize

Mechanize es una biblioteca de Ruby que facilita la interacción web automatizada.

sparklemotion
⭐ 4,443 Ruby 👤 sparklemotion Organization 🕐 Actualizado 2026-10-26 📅 Creado 2008-04-18
24
CodeCutTech/Data-science

Colección de temas útiles de ciencia de datos junto con artículos, videos y código

CodeCutTech
⭐ 4,158 Jupyter Notebook 👤 CodeCutTech Organization 🕐 Actualizado 2025-11-16 📅 Creado 2020-07-17
25
kalil0321/reverse-api-engineer

Haz ingeniería inversa de cualquier sitio web para convertirlo en un cliente API tipado. Compatible con Claude Code, Codex, Cursor y OpenCode.

kalil0321
⭐ 4,088 Python 👤 kalil0321 User 🕐 Actualizado 2026-11-21 📅 Creado 2025-12-23
26
snooppr/snoop

Snoop – una herramienta OSINT (Inteligencia de Código Abierto) basada en datos abiertos

snooppr
⭐ 4,072 Python 👤 snooppr User 🕐 Actualizado 2026-11-20 📅 Creado 2020-02-14
27
fake-useragent/fake-useragent

Falsificador de user agent simple y actualizado con base de datos del mundo real

fake-useragent
⭐ 4,047 Python 👤 fake-useragent Organization 🕐 Actualizado 2026-03-29 📅 Creado 2013-03-04
28
any4ai/AnyCrawl

AnyCrawl 🚀: Un rastreador Node.js/TypeScript que convierte sitios web en datos listos para LLM y extrae resultados SERP estructurados de Google/Bing/Baidu/etc. Multihilo nativo para procesamiento masivo.

any4ai
⭐ 3,580 TypeScript 👤 any4ai User 🕐 Actualizado 2026-11-12 📅 Creado 2025-03-31
29
adryfish/fingerprint-chromium

Un navegador de huellas dactilares de código abierto basado en Ungoogled Chromium. Navegador de huellas digitales Navegador de privacidad

adryfish
⭐ 3,300 👤 adryfish User 🕐 Actualizado 2026-10-02 📅 Creado 2024-12-09
30
aapatre/Automatic-Udemy-Course-Enroller-GET-PAID-UDEMY-COURSES-for-FREE

¿Quieres APRENDER COSAS NUEVAS GRATIS? No te preocupes, con el poder del web-scraping y la automatización, este script encontrará los cupones de Udemy necesarios y te inscribirá en CURSOS DE UDEMY DE PAGO, ¡ABSOLUTAMENTE GRATIS!

aapatre
⭐ 3,289 Python 👤 aapatre User 🕐 Actualizado 2026-04-28 📅 Creado 2020-09-12
31
symfony/panther

Una biblioteca de pruebas de navegador y web crawling para PHP y Symfony

symfony
⭐ 3,074 PHP 👤 symfony Organization 🕐 Actualizado 2026-10-03 📅 Creado 2018-03-16
32
kevinzg/facebook-scraper

Extraer páginas públicas de Facebook sin clave API

kevinzg
⭐ 3,006 Python 👤 kevinzg User 🕐 Actualizado 2024-06-22 📅 Creado 2019-03-15
33
vladkens/twscrape

Biblioteca de Python y CLI para el scraping de X/Twitter con rotación de múltiples cuentas y manejo integrado de límites de velocidad.

vladkens
⭐ 2,980 Python 👤 vladkens User 🕐 Actualizado 2026-11-19 📅 Creado 2023-05-05
34
oxylabs/how-to-scrape-google-trends

Aprenda paso a paso cómo extraer datos de Google Trends y comparar resultados usando Python y la API SERP de Oxylabs. Extraiga palabras clave, su popularidad, desglose por región, consultas relacionadas y mucho más.

oxylabs
⭐ 2,907 Python 👤 oxylabs Organization 🕐 Actualizado 2026-11-18 📅 Creado 2024-08-06
35
spider-rs/spider

Recopilación de datos web de baja latencia y fundamentos en Rust

spider-rs
⭐ 2,856 Rust 👤 spider-rs Organization 🕐 Actualizado 2026-11-20 📅 Creado 2018-01-07
36
geziyor/geziyor

Geziyor, framework de web crawling y scraping ultrarrápido para Go. Soporta renderizado JS.

geziyor
⭐ 2,781 Go 👤 geziyor Organization 🕐 Actualizado 2026-07-02 📅 Creado 2019-06-06
37
brightdata/brightdata-mcp

Un potente servidor Model Context Protocol (MCP) que proporciona una solución todo en uno para el acceso a la web pública.

brightdata
⭐ 2,733 JavaScript 👤 brightdata Organization 🕐 Actualizado 2026-11-18 📅 Creado 2025-04-15
38
apify/fingerprint-suite

Herramientas de huella digital del navegador para anonimizar tus scrapers. Desarrollado por Apify.

apify
⭐ 2,678 TypeScript 👤 apify Organization 🕐 Actualizado 2026-11-18 📅 Creado 2022-05-04
39
botswin/BotBrowser

Núcleo Avanzado de Navegador de Privacidad con Defensa Unificada de Huellas Digitales: Cloudflare, Akamai, Kasada, Shape, DataDome, PerimeterX, hCaptcha, FunCaptcha, Imperva, reCAPTCHA, ThreatMetrix, Adscore

botswin
⭐ 2,667 TypeScript 👤 botswin Organization 🕐 Actualizado 2026-11-18 📅 Creado 2024-09-08
40
oss-invisible/playwright

Playwright invisible: un Playwright que los sistemas antibots no pueden detectar, así que no hay captchas: la misma API, Firefox headless sigiloso y antidetección, huella digital indetectable, evita la detección de bots, scraping web y automatización del navegador con Python.

oss-invisible
⭐ 2,612 Python 👤 oss-invisible Organization 🕐 Actualizado 2026-11-21 📅 Creado 2026-05-13
41
simonw/shot-scraper

Una utilidad de línea de comandos para tomar capturas de pantalla de sitios web, grabar demostraciones en video y raspar sitios usando JavaScript

simonw
⭐ 2,609 Python 👤 simonw User 🕐 Actualizado 2026-10-14 📅 Creado 2022-03-08
42
transitive-bullshit/awesome-puppeteer

Una lista curada de recursos increíbles de Puppeteer.

transitive-bullshit
⭐ 2,528 👤 transitive-bullshit User 🕐 Actualizado 2024-07-19 📅 Creado 2018-05-07
43
lorien/grab

Marco de Web Scraping

lorien
⭐ 2,461 Python 👤 lorien User 🕐 Actualizado 2025-09-19 📅 Creado 2013-05-01
44
Jieyab89/OSINT-Cheat-sheet

Hoja de trucos OSINT, lista de herramientas OSINT, wiki, conjunto de datos, artículo, libro, OSINT de equipo rojo para hackers y consejos OSINT y rama OSINT. Este repositorio crecerá cada vez que se investigue, hay investigación, ciencia y tecnología, tutoriales. Por favor, úselo sabiamente.

Jieyab89
⭐ 2,333 HTML 👤 Jieyab89 User 🕐 Actualizado 2026-11-16 📅 Creado 2021-11-22
45
php-embed/Embed

Obtener información de cualquier servicio web o página

php-embed
⭐ 2,140 PHP 👤 php-embed Organization 🕐 Actualizado 2026-11-21 📅 Creado 2012-10-09
46
TheGP/untidetect-tools

Lista de herramientas y navegadores anti-detección y de humanización, incluyendo solucionadores de captcha y activación por SMS.

TheGP
⭐ 2,075 👤 TheGP User 🕐 Actualizado 2026-10-07 📅 Creado 2024-01-21
47
iiab/iiab

Internet-in-a-Box - ¡Construye tu propia BIBLIOTECA DE ALEJANDRÍA con una Raspberry Pi!

iiab
⭐ 2,056 Jinja 👤 iiab Organization 🕐 Actualizado 2026-11-20 📅 Creado 2017-05-28
48
claffin/cloudproxy

Oculte la IP de su scraper detrás de la nube. Proporcione servidores proxy en diferentes proveedores de la nube para mejorar el éxito de su raspado.

claffin
⭐ 1,729 Python 👤 claffin User 🕐 Actualizado 2026-11-05 📅 Creado 2021-04-16
49
oxylabs/scrape-google-python

En este tutorial, mostramos cómo extraer datos públicos de Google con Python y la API de Oxylabs.

oxylabs
⭐ 1,719 👤 oxylabs Organization 🕐 Actualizado 2026-11-18 📅 Creado 2024-07-30
50
emcf/thepipe

Obtenga datos limpios de documentos complicados, impulsados por modelos de visión y lenguaje ⚡

emcf
⭐ 1,529 Python 👤 emcf User 🕐 Actualizado 2026-09-28 📅 Creado 2024-03-22

Preguntas frecuentes

1

¿Cuál es el repositorio de #scraping más popular en GitHub?

El proyecto de código abierto de #scraping mejor posicionado en GitHub es firecrawl/firecrawl, con 205,758 estrellas. Infraestructura de conocimiento para hacer más inteligentes a sus agentes. Busque, extraiga y acceda a más de 550 proveedores de datos a través de una sola API.

2

¿Qué lenguajes de programación se utilizan más en los repositorios de #scraping?

Entre los proyectos de #scraping mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, TypeScript, Go, JavaScript.

3

¿Cómo se calcula la clasificación de los repositorios de #scraping?

Seguimos 109 repositorios activos de código abierto etiquetados con #scraping (500+ estrellas), que suman un total de 768,143 estrellas, con una media de 7,047 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.