adaptive-web-scraping

name	adaptive-web-scraping
version	1.0.0
description	Scraping web adaptativo con Scrapling — framework que maneja todo desde una sola request, con detección de cambios, anti-bot bypass y auto-matching. Inspirado en D4Vinci/Scrapling (⭐68K).
tags	["scraping","web","adaptive","anti-bot","scraping","python"]

Scraping Web Adaptativo

Resumen

Scrapling (⭐68K) es un framework de web scraping adaptativo que maneja todo desde una sola request: detección de cambios en selectores, anti-bot bypass, auto-matching de elementos, y recuperación automática cuando la web cambia.

Cuándo usar

• Scrapear sitios que cambian de estructura frecuentemente
• Bypass de anti-bot (Cloudflare, reCAPTCHA)
• Scraping robusto que no se rompe cuando cambia el HTML
• Extracción de datos con auto-recuperación

Patrón de uso

from scrapling import Fetcher, StealthFetcher

# Fetch básico
fetcher = Fetcher()
page = fetcher.get("https://example.com")

# Selector adaptativo — sobrevive cambios de HTML
title = page.css_first("h1::text")
# Si el selector cambia, Scrapling busca automáticamente el elemento similar

# Stealth mode — bypass anti-bot
stealth = StealthFetcher()
page = stealth.fetch("https://protected-site.com")

# Auto-matching de elementos
products = page.css_all(".product-card")
for product in products:
    name = product.css_first(".name::text")
    price = product.css_first(".price::text")
    print(f"{name}: {price}")

# Extracción con recuperación automática
# Scrapling guarda el estado del HTML y si cambia,
# busca automáticamente el elemento más similar

Features clave

Feature	Descripción
Adaptive matching	Si un selector cambia, busca elemento similar automáticamente
Anti-bot bypass	StealthFetcher con fingerprinting real de navegador
Auto-recovery	Recuperación automática cuando la web cambia estructura
Single request	Todo desde una request, sin necesidad de configuración compleja
CSS + XPath	Soporta ambos tipos de selectores

Pitfalls

• StealthFetcher: Requiere Playwright. Más lento pero bypassa anti-bot.
• Rate limiting: Respetar rate limits del sitio. Scrapling no lo hace automáticamente.
• Memory: Páginas grandes consumen memoria. Usar stream=True para HTML grande.
• Legal: Verificar ToS del sitio antes de scrapear. Algunos sitios prohíben scraping.

Referencias

• Scrapling: https://github.com/D4Vinci/Scrapling
• Docs: https://scrapling.dev

---

Hecho con ❤️ por David Antizar