scraping

Geziyor, un framework de rastreo y extracción web extremadamente rápido para Go. Compatible con renderizado JS.

Biblioteca de Python y CLI para scraping de X/Twitter con rotación de múltiples cuentas y manejo integrado de límites de velocidad.

Obtén datos web para agentes de IA y LLMs

Un potente servidor Model Context Protocol (MCP) que ofrece una solución integral para el acceso web público.

Núcleo de navegador de privacidad avanzado con defensa unificada contra huellas digitales: Cloudflare, Akamai, Kasada, Shape, DataDome, PerimeterX, hCaptcha, FunCaptcha, Imperva, reCAPTCHA, ThreatMetrix, Adscore

Herramientas de huella digital del navegador para anonimizar tus scrapers. Desarrollado por Apify.

Una lista seleccionada de recursos increíbles sobre puppeteer.

Una utilidad de CLI para tomar capturas de pantalla de sitios web, grabar demostraciones en video y realizar scraping de sitios usando JavaScript.

Framework de Web Scraping

Hoja de referencia de OSINT, lista de herramientas de OSINT, wiki, conjunto de datos, artículo, libro, OSINT para red team enfocado en hackers, consejos de OSINT y ramas de OSINT. Este repositorio crecerá cada vez que se investigue; contiene investigación, ciencia y tecnología, y tutoriales. Utilícelo con sabiduría.

Obtén información de cualquier servicio web o página

Navegador antidetect sigiloso gratuito para Playwright: huella digital de Firefox sin cabeza indetectable. Scraping con Python, bypass de recaptcha y detección de bots. Código abierto.

Internet-in-a-Box: ¡construye tu propia BIBLIOTECA DE ALEJANDRÍA con una Raspberry Pi!

Lista de herramientas y navegadores antidetect y de humanización, incluyendo resolvedores de captcha y activación por SMS.

Oculte la IP de sus scrapers detrás de la nube. Aprovisione servidores proxy en diferentes proveedores de nube para mejorar el éxito de su scraping.

En este tutorial, mostramos cómo extraer datos públicos de Google con Python y la API de Oxylabs.

Obtén datos limpios de documentos complejos, potenciado por modelos de visión y lenguaje ⚡

AgentQL es un conjunto de herramientas para conectar tu IA a la web. Incluye un lenguaje de consulta e integraciones con Playwright para interactuar con elementos y extraer datos de forma rápida, precisa y a gran escala. Incluye API REST, SDK para Python y JavaScript, y un depurador de navegador.

Colección de parches para puppeteer y playwright para evitar la detección de automatización y fugas. Ayuda a evitar las páginas CAPTCHA de Cloudflare y DataDome. Fácil de aplicar o quitar, y se puede habilitar o deshabilitar bajo demanda.

🤖 Extrae datos de sitios web HTML automáticamente con solo proporcionar ejemplos

📰 Diarios oficiales brasileños accesibles para todos

Bot de código abierto para la creación masiva y automática de cuentas de Gmail con Selenium y Seleniumwire (Python). No dude en contactarme para servicios de Django/Flask, ML, IA, GPT, automatización y scraping.

Biblioteca ligera para extraer (scraping) sitios web con LLM.

Parsel permite extraer datos de documentos XML/HTML usando XPath o selectores CSS

Visualiza todo desde tu terminal.

Proxies residenciales rotativos HTTP(S)/SOCKS5: ejemplos de código e información general.

🎭 Generador inteligente de cabeceras de navegador y huellas digitales (fingerprints)

Una alternativa de código abierto a searx que ofrece un metabuscador moderno, ultrarrápido, que respeta la privacidad y es seguro.

Framework de servicios modular para mover y transformar paquetes de red.

Herramientas para diversos jueces en línea. Permite descargar casos de prueba, generar casos adicionales, probar tu código y enviarlo.