#webscraping Repositorios
Descubre 50 repositorios activos de código abierto de GitHub etiquetados con #webscraping, que acumulan 581,593 estrellas en total (una media de 11,631 estrellas por proyecto). El líder de este tema es firecrawl/firecrawl, con 205,758 estrellas.
50 repositorios en total
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.
🕷️ ¡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
Crea agentes que monitoreen y actúen en tu nombre. ¡Tus agentes están listos para actuar!
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.
Un agente autónomo que realiza investigaciones profundas sobre cualquier dato utilizando cualquier proveedor de LLM
Convierte cualquier sitio web en una API estructurada. Extrae, automatiza, busca y supervisa la web.
Lista de bibliotecas, herramientas y APIs para web scraping y procesamiento de datos.
Versión no detectada de la biblioteca de pruebas y automatización Playwright.
Análisis de sistemas de protección contra bots con contramedidas disponibles 🚿. ¿Cómo derrotar al sistema anti-bot 👻 y eludir los scripts de huellas digitales del navegador 🕵️♂️ al extraer datos de la web?
Facilite su búsqueda de empleo automatizando su proceso de solicitud con este Auto Applier.
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.
Lanzador de navegador anti-detección, gratuito y de código abierto, para scraping web y gestión de múltiples cuentas. Desarrollado por el equipo de ShardX (anteriormente ProxyShard). Suplantación de huella digital a nivel del motor en Chromium 158 (WebGL / WebGPU / Client Hints / fuentes / TLS), más de 220 perfiles de dispositivo incluidos y QUIC + WebRTC estables mediante SOCKS5.
El repositorio del proyecto abierto de web scraping tiene como objetivo compartir conocimientos y experiencias sobre web scraping con Python.
Este código se utiliza para realizar web scraping y extracción de datos de Google Maps. Está especialmente diseñado para obtener información sobre negocios, incluyendo su nombre, dirección, sitio web, número de teléfono, reseñas y más.
Versión de Python no detectada de la biblioteca de pruebas y automatización Playwright.
¡Un framework de raspado web/automatización web ultrarrápido, asíncrono y indetectable basado en ultrafunkamsterdam/nodriver. Ahora con soporte para Docker!
Herramienta de enumeración de LinkedIn para extraer nombres de empleados válidos de una organización mediante scraping de motores de búsqueda
👻 Biblioteca experimental para extraer datos de sitios web utilizando la API GPT de OpenAI.
Puppeteer para Python que los sistemas antibots no pueden detectar, así que no hay captchas: la misma API, Firefox headless sigiloso y anti-detección, una huella digital indetectable, evasión de la detección de bots, scraping web y automatización del navegador.
Motor de huellas digitales de Chromium a nivel de código fuente, clasificado como un Chrome normal por los sitios de detección. Motor de huellas digitales de Chromium a nivel de código fuente que supera las pruebas de detección de bots. No es una inyección de JS: son parches de C++ compilados en el binario.
Scripts escalables de scraping web en Python para más de 80 dominios populares
Invisible Playwright MCP: servidor Playwright MCP indetectable por los sistemas antibots y los CAPTCHA: un agente de IA navega por la web con Firefox sigiloso y antidetección, Python, automatización de navegador indetectable, extracción de datos y uso del ordenador.
Un kit modular y basado en terminal para OSINT, reconocimiento y raspado - construido en Python, funciona en Linux y Windows.
Un bot de Python para solicitar automáticamente todos los trabajos de "Easy Apply" en Linkedin, Glassdoor, etc. según sus preferencias. ¡Inicio de sesión automático, autocompletado de preguntas adicionales, solicitud automática!
Herramienta de línea de comandos para descargar y extraer datos de páginas HTML/XML o JSON-API, utilizando CSS, XPath 3.0, XQuery 3.0, JSONiq o coincidencia de patrones. También puede crear nuevos o documentos XML/HTML/JSON transformados.
Motor Chromium sigiloso que evita que los scrapers y los agentes de navegador sean bloqueados con un solo cambio de línea de código.
Versión de NodeJS no detectada de la biblioteca de pruebas y automatización Playwright.
Selenium que los sistemas anti-bots no pueden ver, así que no hay CAPTCHAs: la misma API, Firefox headless sigiloso y anti-detección, huella digital indetectable, evasión de la detección de bots, scraping web y automatización del navegador con Python.
Uscrapper Vanta: Sumérgete más profundamente en la web con esta potente herramienta de código abierto. Extrae información valiosa con facilidad y eficiencia, tanto de fuentes de la web de superficie como de la web profunda. Potencia tu minería y análisis de datos con las capacidades avanzadas de Vanta. Rápida, confiable y fácil de usar, Uscrapper Vanta es la opción definitiva para investigadores y analistas.
Editor de web scraping impulsado por IA con constructor de flujo de trabajo visual. Cree, pruebe e implemente web scrapers usando lenguaje natural. Impulsado por ScrapeGraphAI y LangGraph.
Detección en tiempo real de sistemas antibots, captchas y técnicas de fingerprinting. Identifica Cloudflare, Akamai, DataDome, reCAPTCHA, hCaptcha, Shape Security y más, con puntuación de confianza y herramientas avanzadas de captura.
Sumérgete en el web scraping y crea un rastreador de precios de comercio electrónico con Next.js 13 en un solo video que te enseñará data scraping, cron jobs, envío de correos electrónicos, despliegue y más.
Preguntas frecuentes
¿Cuál es el repositorio de #webscraping más popular en GitHub?
El proyecto de código abierto de #webscraping 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.
¿Qué lenguajes de programación se utilizan más en los repositorios de #webscraping?
Entre los proyectos de #webscraping mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, TypeScript, JavaScript, Ruby.
¿Cómo se calcula la clasificación de los repositorios de #webscraping?
Seguimos 50 repositorios activos de código abierto etiquetados con #webscraping (500+ estrellas), que suman un total de 581,593 estrellas, con una media de 11,631 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.