llm-friendly-web-crawler

# Crawl4AI — crawling web LLM-friendly > ⚠️ Corrección 2026-09-05 (auditoría): la clase `CrawlerStrategy` NO existe y `result.markdown` es un objeto, no un string. API real = `BrowserConfig`/`CrawlerRunConfig` + strategies `JsonCssExtractionStrategy`/`LLMExtractionStrategy`. **Repo:** `https://github.com/unclecode/crawl4ai` (Python, ~81K⭐). ## When to Use - Cuando pidas **crawling LLM-friendly**: extraer contenido de una web en markdown/JSON listo para meter en un LLM. ## Uso (API real) ```python from crawl4ai import AsyncWebCrawler, BrowserConfig, CrawlerRunConfig, CacheMode, JsonCssExtractionStrategy, LLMExtractionStrategy async with AsyncWebCrawler() as crawler: result = await crawler.arun("https://ejemplo.com", config=CrawlerRunConfig(cache_mode=CacheMode.BYPASS)) md = result.markdown.raw_markdown # markdown es un OBJETO con .raw_markdown / .fit_markdown print(md[:500]) ``` Extracción estructurada: ```python schema = {...} strategy = JsonCssExtractionStrategy(schema, verbose=True) # o LLMExtractionStrategy(...) ``` ## Pitfalls - **No existe** `CrawlerStrategy` — usa `JsonCssExtractionStrategy`/`LLMExtractionStrategy`. - `result.markdown` es un objeto: `.raw_markdown`/`.fit_markdown`, no `[:500]` a secas. - El core es `AsyncWebCrawler` + `CrawlerRunConfig` (o `BrowserConfig`). ## Verificación - `await crawler.arun(url)` y leer `result.markdown.raw_markdown`. Para extracción con schema, `JsonCssExtractionStrategy`.