Un framework de Go para crear scrapers y crawlers web que extraen datos estructurados de sitios web.
25,6 mil+6 esta semana1,9 milGoApache-2.0Bien mantenidoActualizado hace 22 días
alirezamika/autoscraper
Un scraper web en Python que aprende reglas de extracción a partir de datos de ejemplo de una página y las reutiliza en páginas similares o nuevas.
- Estrellas
- 8,074
- Forks
- 831
- Issues abiertos
- 2
- Último commit
- hace 3 meses
¿Qué es?
AutoScraper es una biblioteca de Python para extraer datos de páginas web sin tener que escribir selectores manualmente. Se le proporciona una URL o contenido HTML junto con una lista de valores de ejemplo que se quieren obtener, como texto, enlaces o valores de etiquetas HTML específicas. La biblioteca aprende las reglas para localizar esos elementos y devuelve elementos similares de la página.
Una vez creado, el objeto scraper se puede guardar en disco y cargar más adelante. Así puede extraer contenido similar de otras páginas con el mismo diseño o recuperar exactamente los mismos elementos de URL nuevas, en el orden en que se proporcionaron los ejemplos. Se pueden pasar opciones de requests, como proxies y encabezados personalizados, a las llamadas subyacentes de requests.
La biblioteca está dirigida a Python 3 y se puede instalar desde PyPI o directamente desde el repositorio de Git.
Funciones clave
- 01Aprende reglas de scraping a partir de unos pocos valores de ejemplo, sin necesidad de definir selectores manualmente.
- 02Extrae texto, URL o valores de etiquetas HTML específicas.
- 03Devuelve elementos similares de otras páginas con la misma estructura.
- 04Guarda y carga modelos de scraper entrenados.
- 05Pasa parámetros personalizados de requests, como proxies y encabezados.
Casos de uso
- Extraer títulos o precios de una lista de páginas que comparten el mismo diseño.
- Convertir un sitio web en una API sencilla integrando un scraper guardado en un framework web.
- Crear rápidamente un prototipo de scraper sin escribir selectores CSS o XPath.
Inicio rápido
- 1
Instala la biblioteca desde PyPI
pip install autoscraper - 2
Importa AutoScraper, crea un scraper a partir de una URL y datos de muestra y, después, obtén resultados similares
Antes de usarlo
- Las reglas aprendidas pueden dejar de funcionar si cambia la estructura HTML de una página.
- El README no documenta la renderización de JavaScript, por lo que es posible que no se capture el contenido cargado dinámicamente.
Temas
Preguntas frecuentes
- ¿Qué es autoscraper?
- Un scraper web en Python que aprende reglas de extracción a partir de datos de ejemplo de una página y las reutiliza en páginas similares o nuevas. AutoScraper es una biblioteca de Python para extraer datos de páginas web sin tener que escribir selectores manualmente. Se le proporciona una URL o contenido HTML junto con una lista de valores de ejemplo que se quieren obtener, como texto, enlaces o valores de etiquetas HTML específicas. La biblioteca aprende las reglas para localizar esos elementos y devuelve elementos similares de la página.
- ¿autoscraper es gratuito? ¿Qué licencia tiene?
- autoscraper es open source bajo la licencia MIT. Revisa los términos de la licencia antes de usarlo en productos comerciales.
- ¿autoscraper sigue mantenido?
- Actualizado en los últimos 6 meses. El último commit de autoscraper fue el 29 jul 2026.
- ¿Para qué puedo usar autoscraper?
- Extraer títulos o precios de una lista de páginas que comparten el mismo diseño. Convertir un sitio web en una API sencilla integrando un scraper guardado en un framework web. Crear rápidamente un prototipo de scraper sin escribir selectores CSS o XPath.
- ¿Cómo se instala autoscraper?
- Instala la biblioteca desde PyPI: pip install autoscraper Importa AutoScraper, crea un scraper a partir de una URL y datos de muestra y, después, obtén resultados similares
- ¿Dónde consigo autoscraper?
- El código fuente y las instrucciones de instalación están en GitHub: https://github.com/alirezamika/autoscraper
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Proyectos relacionados
Framework de web scraping para Python que abarca desde solicitudes HTTP individuales y navegadores stealth hasta análisis y rastreos concurrentes completos con exportación.
98,8 mil+8,3 mil esta semana10,3 milPythonBSD-3-ClauseActualizado anteayer
Biblioteca de Python 3 que descarga artículos de noticias y extrae el texto, los autores, la fecha de publicación, las imágenes, las palabras clave y los resúmenes.
15,2 mil+1 esta semana2,1 milPythonMITActualizado hace 12 días
Rastreador web de Python de código abierto que convierte cualquier sitio web en Markdown limpio y listo para LLM, extrae datos estructurados con CSS o LLM y ofrece una API alojada opcional.
87 mil+401 esta semana9,1 milPythonApache-2.0Bien mantenidoActualizado hace 3 días
Scrapy es un framework de Python para rastrear sitios web y extraer datos estructurados.
65,2 mil+129 esta semana12,1 milPythonBSD-3-ClauseActualizado hace 13 horas
Plataforma web de código abierto que convierte sitios web en API estructuradas para scraping, crawling, búsqueda, monitorización y extracción con IA.
18,2 mil+61 esta semana1,6 milTypeScriptAGPL-3.0Actualizado anteayer