Proyectos open source sobre «web-scraping»

Crawler web de código abierto en Python que convierte sitios web en Markdown limpio, listo para LLM, RAG, agentes de IA y pipelines de datos.

Herramienta autoalojada que supervisa cambios de contenido, precios y existencias en páginas web y envía alertas por numerosos canales de notificación.

Plataforma de datos web de código abierto que convierte cualquier sitio web en una API estructurada mediante scraping, rastreo, búsqueda, monitoreo y extracción con IA.

Un navegador para agentes de IA que ejecutan automatizaciones en Spaces aislados mientras tú sigues usando tus propias pestañas y sesiones.

Framework de Python para crear scrapers web que buscan evitar la detección de bots, con modos de navegador y solicitudes HTTP, generación de interfaces y compatibilidad con aplicaciones de escritorio.

Una herramienta de línea de comandos en Rust para obtener datos de decenas de sitios web, como Bilibili, Reddit y Hacker News, con un solo comando.

Plataforma de automatización de navegadores que convierte acciones registradas en comandos MCP o Skills de Claude para que los agentes de IA controlen navegadores directamente.

Herramienta en Python con interfaz web y CLI para descargar libros de texto electrónicos de PEP por lotes y combinarlos en PDF.

Paquete ligero de Python que busca en Google News y devuelve artículos en formato JSON, con extracción opcional del texto completo.

Extensión de Chrome que detecta los sistemas antibots, CAPTCHAs y técnicas de fingerprinting que usa un sitio web, con niveles de confianza.

Herramienta que extrae plantillas de estilo visual reutilizables de artículos de cuentas oficiales de WeChat y las muestra como texto enriquecido listo para pegar en el editor de WeChat.

Analiza cualquier sitio web con Playwright y extrae su sistema de diseño (colores, tipografía, espaciado y componentes) en formatos Tailwind, React, tokens o Markdown.