Git Stars Git Stars

#web-scraping Repositorios

Descubre 381 repositorios activos de código abierto de GitHub etiquetados con #web-scraping, que acumulan 2,147,590 estrellas en total (una media de 5,636 estrellas por proyecto). El líder de este tema es firecrawl/firecrawl, con 205,758 estrellas.

381
Total de Repositorios
2.1M
Total de estrellas
5,636
Promedio de Estrellas/Repo

382 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
jackfrued/Python-100-Days

Python - 100 días de principiante a maestro

jackfrued
⭐ 187,961 Jupyter Notebook 👤 jackfrued User 🕐 Actualizado 2026-07-29 📅 Creado 2018-03-01
3
ytdl-org/youtube-dl

Programa de línea de comandos para descargar videos de YouTube.com y otros sitios de video

ytdl-org
⭐ 141,627 Python 👤 ytdl-org Organization 🕐 Actualizado 2026-11-06 📅 Creado 2010-10-31
4
browser-use/browser-use

Biblioteca de Python de código abierto para agentes de navegador con IA, además de Browser Use Cloud: navegadores sigilosos y una API de agentes alojada.

browser-use
⭐ 121,654 Python 👤 browser-use Organization 🕐 Actualizado 2026-11-21 📅 Creado 2024-10-31
5
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
6
unclecode/crawl4ai

Crawl4AI Cloud oficial: una API alojada de scraping web, extracción y búsqueda para agentes de IA. Clave API gratuita, 1.000 créditos al mes y sin tarjeta. Totalmente de código abierto: este repositorio contiene el rastreador Apache-2.0 que lo hace posible, y puedes alojarlo por tu cuenta.

unclecode
⭐ 87,627 Python 👤 unclecode User 🕐 Actualizado 2026-11-20 📅 Creado 2024-05-09
7
NanmiCoder/MediaCrawler

Nota Xiaohongshu | Crawler de comentarios, Video Douyin | Crawler de comentarios, Video Kuaishou | Crawler de comentarios, Video Bilibili | Crawler de comentarios, Publicación de Weibo | Crawler de comentarios, Publicación de Baidu Tieba | Crawler de respuestas a comentarios de Baidu Tieba | Artículo de Preguntas y Respuestas de Zhihu | Crawler de comentarios

NanmiCoder
⭐ 71,528 Python 👤 NanmiCoder User 🕐 Actualizado 2026-11-21 📅 Creado 2023-06-09
8
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
9
soimort/you-get

:arrow_double_down: Descargador simple que raspa la web

soimort
⭐ 56,851 Python 👤 soimort User 🕐 Actualizado 2026-11-15 📅 Creado 2012-08-20
10
gedoor/legado

Lector de libros Legado 3.0 con controles potentes y funciones completas ❤️ Lectura 3.0, Lectura es una herramienta que permite fuentes personalizadas para leer contenido en línea, proporcionando a los amantes de la literatura en línea una experiencia de prueba de lectura conveniente, rápida y cómoda.

gedoor
⭐ 47,268 Kotlin 👤 gedoor User 🕐 Actualizado 2026-05-27 📅 Creado 2019-05-22
11
JCodesMore/ai-website-cloner-template

Clona cualquier sitio web con un solo comando usando agentes de codificación con IA

JCodesMore
⭐ 39,582 TypeScript 👤 JCodesMore User 🕐 Actualizado 2026-11-10 📅 Creado 2026-03-13
12
dgtlmoon/changedetection.io

La mejor y más sencilla herramienta para detectar cambios en sitios web, supervisar páginas web y recibir alertas de cambios. Ideal para seguir cambios de contenido, bajadas de precio, avisos de reposición y detectar alteraciones en sitios web. ¡Incluye MCP! Todo gratis o disfruta de nuestro plan SaaS.

dgtlmoon
⭐ 35,939 Python 👤 dgtlmoon User 🕐 Actualizado 2026-11-20 📅 Creado 2021-01-27
13
CloakHQ/CloakBrowser

Chromium sigiloso que supera todas las pruebas de detección de bots. Sustituto directo de Playwright con parches de huella digital a nivel de código fuente. Más de 50 pruebas superadas.

CloakHQ
⭐ 33,007 Python 👤 CloakHQ Organization 🕐 Actualizado 2026-11-20 📅 Creado 2026-02-22
14
ScrapeGraphAI/Scrapegraph-ai

Scraper de Python basado en IA

ScrapeGraphAI
⭐ 32,877 Python 👤 ScrapeGraphAI Organization 🕐 Actualizado 2026-10-06 📅 Creado 2024-01-27
15
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
16
browserbase/stagehand

El SDK para extraer datos e interactuar con cualquier sitio web. Empieza con Claude Code, Codex, Eve, Mastra y mucho más.

browserbase
⭐ 26,109 TypeScript 👤 browserbase Organization 🕐 Actualizado 2026-11-21 📅 Creado 2024-03-24
17
lexmount/moli

El mejor navegador sin interfaz gráfica para agentes de IA. Ligero, rápido y altamente compatible. Desarrollado en Rust

lexmount
⭐ 24,190 Rust 👤 lexmount Organization 🕐 Actualizado 2026-11-21 📅 Creado 2026-08-10
18
Evil0ctal/Douyin_TikTok_Download_API

🚀 API autoalojada para recopilar datos de Douyin, TikTok y Bilibili y descargar vídeos sin marca de agua. Compatible con llamadas de agentes de IA mediante MCP y con transcripción de voz sin conexión. Despliegue de Docker con un solo clic. | Extractor autoalojado de TikTok, Douyin y Bilibili y descargador de vídeos sin marca de agua: API REST asíncrona, servidor MCP para agentes de IA, CLI y consola web, además de transcripción de voz sin conexión para los vídeos descargados. Grupo de identidades con autorrecuperación, archivo PostgreSQL y puesta en marcha con un solo `docker compose up`.

Evil0ctal
⭐ 21,507 Python 👤 Evil0ctal User 🕐 Actualizado 2026-11-20 📅 Creado 2021-11-07
19
getmaxun/maxun

Convierte cualquier sitio web en una API estructurada. Extrae, automatiza, busca y supervisa la web.

getmaxun
⭐ 18,538 TypeScript 👤 getmaxun Organization 🕐 Actualizado 2026-11-20 📅 Creado 2023-10-23
20
MODSetter/SurfSense

Alternativa de código abierto a NotebookLM, aislada de redes y centrada en la privacidad. Un agente de IA que investiga, transforma y edita tus documentos. Únete a nuestro Discord: https://discord.gg/ejRNvftDp9

MODSetter
⭐ 16,907 Python 👤 MODSetter User 🕐 Actualizado 2026-11-14 📅 Creado 2024-07-30
21
yusufkaraaslan/Skill_Seekers

Convierta sitios web de documentación, repositorios de GitHub y archivos PDF en habilidades de Claude AI con detección automática de conflictos

yusufkaraaslan
⭐ 15,351 Python 👤 yusufkaraaslan User 🕐 Actualizado 2026-11-16 📅 Creado 2025-10-17
22
pjialin/py12306

🚂 Asistente de compra de boletos 12306, soporta clúster, múltiples cuentas, compra de boletos multitarea y gestión de páginas web

pjialin
⭐ 14,960 Python 👤 pjialin User 🕐 Actualizado 2026-10-01 📅 Creado 2019-01-07
23
nanobrowser/nanobrowser

Agente de IA de código abierto para la automatización web. Usa tu navegador real con sesión iniciada para automatizar las tareas diarias.

nanobrowser
⭐ 14,359 TypeScript 👤 nanobrowser Organization 🕐 Actualizado 2026-11-17 📅 Creado 2024-12-31
24
seleniumbase/SeleniumBase

Automatización de navegador rápida y fiable para pruebas de extremo a extremo, extracción de datos y navegación sigilosa. Evita la detección de bots con el modo CDP. Se integra con pytest, Playwright y MCP.

seleniumbase
⭐ 13,272 Python 👤 seleniumbase Organization 🕐 Actualizado 2026-11-21 📅 Creado 2014-03-04
25
jiji262/douyin-downloader

Un descargador práctico de Douyin para descargar tanto elementos individuales como lotes completos de perfiles, con visualización del progreso, reintentos, deduplicación mediante SQLite y compatibilidad con el modo de respaldo del navegador. Herramienta de descarga por lotes de Douyin compatible con vídeos, álbumes de imágenes, recopilaciones y música (audio original).

jiji262
⭐ 12,644 Python 👤 jiji262 User 🕐 Actualizado 2026-11-21 📅 Creado 2023-05-25
26
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
27
jhy/jsoup

jsoup: el analizador HTML de Java, diseñado para la edición, limpieza, extracción y seguridad contra XSS en HTML.

jhy
⭐ 11,418 Java 👤 jhy User 🕐 Actualizado 2026-11-18 📅 Creado 2009-12-19
28
NopeCHALLC/nopecha-extension

Solucionador automático de CAPTCHA para su navegador. Funciona con Selenium, Puppeteer, Playwright y más.

NopeCHALLC
⭐ 11,140 👤 NopeCHALLC User 🕐 Actualizado 2026-10-02 📅 Creado 2023-03-23
29
pinchtab/pinchtab

Puente de automatización de navegador de alto rendimiento y orquestador multiinstancia con inyección furtiva avanzada y panel de control en tiempo real.

pinchtab
⭐ 10,599 Go 👤 pinchtab Organization 🕐 Actualizado 2026-11-10 📅 Creado 2026-02-15
30
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
31
scrapinghub/portia

Scraping visual para Scrapy

scrapinghub
⭐ 9,479 Python 👤 scrapinghub Organization 🕐 Actualizado 2024-06-26 📅 Creado 2014-03-21
32
nashsu/FreeAskInternet

FreeAskInternet es un agregador de búsqueda y generador de respuestas completamente gratuito, PRIVADO y que se ejecuta LOCALMENTE, utilizando MÚLTIPLES LLM, sin necesidad de GPU. El usuario puede hacer una pregunta y el sistema realizará una búsqueda multien engine y combinará el resultado de la búsqueda con un LLM para generar la respuesta basada en los resultados de la búsqueda. ¡Todo es GRATUITO de usar!

nashsu
⭐ 8,734 Python 👤 nashsu User 🕐 Actualizado 2024-04-18 📅 Creado 2024-04-05
33
cv-cat/Spider_XHS

Recopilación de datos mediante rastreador de Xiaohongshu (RED), ingeniería inversa de Xiaohongshu, mensajes privados, transmisión en vivo y soluciones de operación integral en Xiaohongshu

cv-cat
⭐ 8,542 Python 👤 cv-cat User 🕐 Actualizado 2026-10-22 📅 Creado 2023-08-08
34
cporter202/API-mega-list

Este repositorio de GitHub es una potente colección de APIs que puedes empezar a usar inmediatamente para construir de todo, desde automatizaciones simples hasta aplicaciones a gran escala. Una de las listas de APIs más valiosas en GitHub, punto. 💪

cporter202
⭐ 8,406 JavaScript 👤 cporter202 User 🕐 Actualizado 2026-11-19 📅 Creado 2025-12-09
35
ericchiang/pup

Análisis de HTML en la línea de comandos

ericchiang
⭐ 8,372 HTML 👤 ericchiang User 🕐 Actualizado 2024-05-02 📅 Creado 2014-09-01
36
mherrmann/helium

Automatización web más ligera con Python

mherrmann
⭐ 8,333 Python 👤 mherrmann User 🕐 Actualizado 2026-10-22 📅 Creado 2019-11-26
37
gosom/google-maps-scraper

extraer datos de Google Maps. Extrae datos como el nombre, dirección, número de teléfono, URL del sitio web, calificación, número de reseñas, latitud y longitud, reseñas, correo electrónico y más para cada lugar

gosom
⭐ 8,291 Go 👤 gosom User 🕐 Actualizado 2026-11-21 📅 Creado 2023-04-22
38
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
39
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
40
firecrawl/firecrawl-mcp-server

Servidor MCP oficial de Firecrawl, la API de contexto para agentes de IA: busca, extrae e interactúa con la web, además de analizar, rastrear, mapear y usar Agent y Monitor desde cualquier cliente MCP.

firecrawl
⭐ 7,871 JavaScript 👤 firecrawl Organization 🕐 Actualizado 2026-11-21 📅 Creado 2024-12-06
41
WECENG/ticket-purchase

Compra automática de entradas de cebada, admite la selección de personal, ciudades, series de fechas y precios

WECENG
⭐ 7,844 Python 👤 WECENG User 🕐 Actualizado 2026-05-14 📅 Creado 2023-10-12
42
mgdm/htmlq

Como jq, pero para HTML.

mgdm
⭐ 7,591 Rust 👤 mgdm User 🕐 Actualizado 2026-05-27 📅 Creado 2019-05-07
43
go-rod/rod

Un controlador del Protocolo de Herramientas para Desarrolladores de Chrome para automatización web y scraping.

go-rod
⭐ 7,160 Go 👤 go-rod Organization 🕐 Actualizado 2026-08-11 📅 Creado 2020-01-21
44
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
45
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
46
lexiforest/curl_cffi

Binding de Python para la bifurcación de curl-impersonate a través de cffi. Un cliente http que puede suplantar las huellas digitales TLS/ja3/http2 del navegador.

lexiforest
⭐ 6,909 Python 👤 lexiforest User 🕐 Actualizado 2026-11-21 📅 Creado 2022-03-10
47
browser-act/skills

CLI de automatización de navegador construida para agentes de IA. Supere barreras anti-bot, transfiera a humanos en múltiples plataformas cuando esté atascado. Ejecución paralela de múltiples tareas, operación independiente de múltiples sesiones, navegación aislada de múltiples cuentas.

browser-act
⭐ 6,385 Python 👤 browser-act Organization 🕐 Actualizado 2026-11-04 📅 Creado 2026-02-06
48
nickscamara/open-deep-research

Un clon de investigación profunda de código abierto. Agente de IA que razona sobre grandes cantidades de datos web extraídos con Firecrawl.

nickscamara
⭐ 6,242 TypeScript 👤 nickscamara User 🕐 Actualizado 2025-05-07 📅 Creado 2025-02-03
49
MontFerret/ferret

Lenguaje de automatización de datos declarativo y tiempo de ejecución de Go para flujos de trabajo de extracción estructurada.

MontFerret
⭐ 6,025 Go 👤 MontFerret Organization 🕐 Actualizado 2026-11-19 📅 Creado 2018-08-23
50
RedSiege/EyeWitness

EyeWitness está diseñado para tomar capturas de pantalla de sitios web, proporcionar información sobre las cabeceras del servidor e identificar credenciales predeterminadas si es posible.

RedSiege
⭐ 5,906 Python 👤 RedSiege Organization 🕐 Actualizado 2026-01-05 📅 Creado 2014-02-26

Preguntas frecuentes

1

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

El proyecto de código abierto de #web-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 #web-scraping?

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

3

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

Seguimos 381 repositorios activos de código abierto etiquetados con #web-scraping (500+ estrellas), que suman un total de 2,147,590 estrellas, con una media de 5,636 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.