Canvas & Ratio
Choose your destination platform format
Layout Template
Choose a content structure for your slides
Preset Themes
Typography & Sizing
Brand Kit Customization
AGENCYConfigure brand assets for headers & footers
Outro Slide CTA
Customize your closing call-to-action slide
Background Pattern
Build Your Carousel
Drag and drop any post card below onto a slide, or use the quick buttons to insert content/images instantly!
10 repositorios de GitHub para scrapear todo internet Guárdalos todos. Cada uno extrae datos limpios de cualquier web. Ese nivel de acceso normalmente exige llamadas de ventas y contratos.
1. <a target="_blank" href="https://github.com/firecrawl/firecrawl" color="blue">github.com/firecrawl/fire…</a> Apúntalo a cualquier web y rastrea cada página, renderiza JavaScript y devuelve datos limpios y estructurados que la IA lee al instante. 130 mil estrellas, entre los 100 mejores repos de GitHub. El esqueleto de scraping que la mitad de las startups de IA ejecuta en silencio, totalmente open source.
2. <a target="_blank" href="https://github.com/unclecode/crawl4ai" color="blue">github.com/unclecode/craw…</a> El scraper número uno de GitHub. Convierte cualquier web en markdown limpio y listo para LLM, más rápido que los servicios de pago. Olvídate de API keys, cuentas o pagos por página. Un desarrollador lo montó en unos días después de hartarse de un scraper de pago de 16 dólares. 51 mil estrellas. Apache 2.0.
3. <a target="_blank" href="http://github.com/browser-use/browser-use" color="blue">github.com/browser-use/br…</a> Un agente de IA que maneja el navegador como una persona real. Hace clic, se desplaza, inicia sesión, rellena formularios y extrae datos de webs que nunca había visto. Lo desarrollaron dos investigadores de la ETH de Zúrich y llegó a 95 mil estrellas en un año. Rastrea páginas que los scrapers simples no alcanzan. Licencia MIT.
4. <a target="_blank" href="http://github.com/apify/crawlee" color="blue">github.com/apify/crawlee</a> Un framework de scraping profesional y completo. Incluye rotación de proxies, reintentos automáticos, suplantación de huella del navegador y gestión de colas. Todo el mecanismo para evitar bloqueos. El stack por el que las empresas de scraping cobran miles, ahora gratis para ti.
5. <a target="_blank" href="http://github.com/scrapy/scrapy" color="blue">github.com/scrapy/scrapy</a> Un scraper de nivel industrial que lleva más de una década ayudando a los equipos de datos en silencio. Rastrea millones de páginas, extrae cualquier contenido y exporta limpio. Probado en condiciones reales a una escala que la mayoría de herramientas de pago no alcanza, siempre gratis.
6. <a target="_blank" href="http://github.com/microsoft/markitdown" color="blue">github.com/microsoft/mark…</a> La herramienta propia de Microsoft. Convierte cualquier archivo o web, PDF, documento de Office, HTML o imagen en markdown limpio que la IA usa sin problema. Hay empresas enteras de pipelines de datos construidas alrededor de esto. Microsoft lo liberó como open source.
7. <a target="_blank" href="http://github.com/D4Vinci/Scrapling" color="blue">github.com/D4Vinci/Scrapl…</a> Un scraper invisible que se adapta automáticamente a los cambios de diseño de las webs y esquiva la detección antiscraping. La técnica que los proveedores antiscraping venden como función premium, ahora gratis y open source.
8. <a target="_blank" href="http://github.com/Genymobile/scrcpy" color="blue">github.com/Genymobile/scr…</a> Controla cualquier móvil Android en remoto desde tu ordenador y extrae datos o automatiza apps que no tienen web. Tu acceso a las plataformas exclusivas de móvil que la mayoría de scrapers no alcanza. Más de 130 mil estrellas. Apache 2.0.
9. <a target="_blank" href="http://github.com/alirezamika/autoscraper" color="blue">github.com/alirezamika/au…</a> Le das un ejemplo y encuentra el patrón para rastrear el resto de la web automáticamente. Olvídate de los selectores y de mantener código. El botón de 'dame los datos y ya', en unas líneas de Python.
10. <a target="_blank" href="http://github.com/lwthiker/curl-impersonate" color="blue">github.com/lwthiker/curl-…</a> Una versión mejorada de curl que imita a la perfección la huella de un navegador real. Tus peticiones parecen las de una persona real con Chrome. El truco de bajo nivel que las APIs de scraping caras usan en secreto por debajo, ahora gratis. Hay empresas que cobran 2000 dólares al mes por esto. El código fuente está aquí mismo.
Gracias por llegar hasta aquí 🙏 Espero que este hilo te haya sido útil. Si quieres que haga más contenido como este, házmelo saber con un ❤️ o un RT <a target="_blank" href="https://twitter.com/1682400367856832512/status/2071360257906168143" color="blue">x.com/16824003678568…</a>