Cómo hacer scraping de un sitio web: la guía completa
Guía completa para hacer scraping de una web: elegir la herramienta, obtener el HTML, gestionar JavaScript, sortear anti-bot, almacenar datos y buenas prácticas.
Leer la guía
Guías
Guías de web scraping
Todo lo necesario para extraer un sitio web correctamente: métodos, evasión anti-bot, extracción para IA y marco legal.
Todas las guías
Sortear una protección anti-bot: la guía completa
Cómo funcionan las protecciones anti-bot (fingerprinting, CAPTCHA, límite de peticiones) y cómo sortearlas limpiamente, respetando robots.txt y el RGPD.
Leer la guíaConvertir una web a Markdown: la guía completa
Convertir una web a Markdown: por qué este formato es ideal para los LLM, cómo limpiar el HTML, qué herramientas usar y cómo automatizar la conversión.
Leer la guíaScraping web y RGPD: la guía de cumplimiento
¿Es legal el scraping web? Guía RGPD: bases legales, datos personales, robots.txt y medidas para recopilar datos públicos conforme al reglamento europeo.
Leer la guíaAPI vs scraping: ¿qué método elegir?
API oficial o web scraping: funcionamiento, coste, fiabilidad, legalidad y criterios de elección. Cuándo usar una API, cuándo hacer scraping y cómo combinarlos.
Leer la guíaWeb scraping para LLM: preparar la web para tus modelos
Web scraping para LLM: obtén el contenido real, conviértelo en Markdown limpio, estima la reducción de tokens y construye un pipeline RAG fiable.
Leer la guía