Scrapling: el scraper que no se rompe cuando la web cambia

Un desarrollador ha sacado un scraper que llega a ser hasta 70 veces más rápido que los convencionales y que además se salta las protecciones anti-bot. Se llama Scrapling y ya pasa de las 76.000 estrellas.

Lo de la velocidad y lo del bypass está bien, pero no es lo interesante. Lo interesante es que resuelve el problema que hace que el scraping dé tanto trabajo, y ese problema no es que te bloqueen.

El problema real del scraping no es Cloudflare

Cuando programas un scraper, lo escribes para buscar elementos concretos de una web: este div, esta clase, este selector. Funciona perfectamente el día que lo escribes.

Y entonces la web cambia el diseño, la clase pasa de product-title a item-heading, y tu scraper se rompe. Y te toca abrir el inspector, mirar qué ha cambiado y arreglarlo a mano. Con un scraper es molesto. Con cuarenta corriendo en producción, es tu trabajo entero.

Ese mantenimiento silencioso es lo que hace caro el scraping, no los bloqueos.

Qué hace Scrapling distinto

Scrapling guarda las características del elemento que le pediste: su texto, su posición en el árbol, sus atributos, sus vecinos. Si la página cambia y el selector ya no encuentra nada, lo busca de nuevo por esas características en vez de fallar.

Es una idea sencilla y cambia por completo la economía del asunto. El scraper que escribiste hace seis meses sigue devolviendo datos sin que hayas tocado una línea.

El modo stealth

Aparte trae un modo stealth para saltarse las protecciones tipo Cloudflare. Por debajo lo que hace es manipular la huella del navegador para parecer un usuario real: los detalles que delatan a un navegador automatizado y que los sistemas anti-bot comprueban antes de dejarte pasar.

Conviene ser honesto sobre esto: es una carrera. Las protecciones se actualizan y las técnicas de fingerprinting cambian. Que hoy funcione no garantiza que funcione dentro de seis meses, y ninguna librería puede prometerte lo contrario.

Cuándo usarlo

Sí, si tienes scrapers que se rompen cada dos por tres cuando cambia la web de origen. Ese es exactamente el caso que resuelve y ahí no tiene competencia real.

Sí, si necesitas velocidad y estabas usando un navegador completo para cosas que no lo necesitan.

Piénsatelo si tu única razón es saltarte un bloqueo. Eso lo hacen muchas herramientas, es lo que primero deja de funcionar y suele significar que estás peleándote con alguien que no quiere que le raspen la web.

En producción el scraper casi nunca es lo difícil. Lo que se come el tiempo es el pipeline: programar las tandas, guardar lo que sale, enchufarlo a lo que ya usa la empresa. Un script vale para probarlo. Cuando hace falta como sistema, no como experimento, eso lo montamos como software a medida.

Nota legal, corta

Que técnicamente puedas extraer algo no significa que puedas usarlo. Los términos del sitio, el robots.txt y qué haces con los datos después siguen siendo tu responsabilidad, y en datos personales estás bajo el RGPD te lo tomes como te lo tomes.

Scrapling te quita el trabajo de mantenimiento, no el de decidir qué es razonable raspar.