Scrapling
D4Vinci/ScraplingRevisado por IA
Revisado por RepoPicks Radar el
RepoPicks Radar encontró señales fuertes de riesgo en este proyecto. Sigue visible para que leas la evidencia, pero queda fuera de las recomendaciones y solo aparece en los rankings del filtro “Con alerta”.
¿Qué es Scrapling?
Una biblioteca de Python y un comando de terminal para recopilar datos de sitios web. Puede hacer solicitudes web simples, controlar un navegador oculto para páginas que necesitan JavaScript, seguir enlaces por todo un sitio con varias páginas a la vez, pausar y reanudar, y guardar los resultados como JSON, JSONL, CSV, XML o Markdown limpio. También incluye un servidor para que los asistentes de IA puedan navegar y extraer datos a través de él. Está pensada para programadores, aunque el comando `scrapling extract` guarda una página sin escribir código. Necesitas Python 3.10+ y, para la parte del navegador, una descarga única de un navegador.
¿Qué tan fácil es instalar Scrapling?
C · instalar 1 o 2 herramientas · Windows
- Windows C
- macOS C
- Linux C
Lo mismo en Windows, macOS y Linux: instalas Python 3.10+, luego `pip install "scrapling[fetchers]"` y `scrapling install` para descargar el navegador, y lo usas desde una terminal o desde tu propio código Python. También existe una imagen de Docker lista con los navegadores dentro, que es una herramienta más que instalar.
Scrapling en GitHub
- Estrellas
- 101.070el 10 nov 2026
- Descargas
- —todas las versiones
- Crecimiento
- +6278estrellas en 7 días
Estrellas a lo largo del tiempo
Datos
- Funciona en
- Windows, macOS, Linux
- Necesitas instalar
- Python, Docker
- Para compilar desde el código
- Python, Docker
- Espacio en disco
- 100 MB–300 MB · estimación
- Cuentas o claves
- Ninguna
- Costo
- Gratis · La biblioteca es gratis (BSD-3-Clause). Los trabajos grandes suelen significar pagar a una empresa de proxies, y el README está patrocinado por varias de ellas.
- Licencia
- BSD-3-Clause (Permisiva)
- Puede reemplazar
- Browserbase, Bright Data
- Último cambio en GitHub
- 9 nov 2026
Señales de riesgo de Scrapling (7)
- AltoEvade la protección antibots de los sitios web
El README lo presenta como función principal: "Anti-bot Bypass: Advanced stealth capabilities with `StealthyFetcher` and fingerprint spoofing. Can easily bypass all types of Cloudflare's Turnstile/Interstitial with automation"; los ejemplos usan `solve_cloudflare=True` y la sección del servidor MCP dice que usa "our stealthy browser with the right tools to enable suitable AI models to bypass any CAPTCHA is faces while working (not to mention our Cloudflare solver)". El `pyproject.toml` describe el proyecto como "undetectable" y repite la palabra entre las keywords. Pasar por los sistemas que un sitio usa para bloquear el acceso automático va contra los términos de uso de la mayoría de los sitios, y varios países tienen leyes sobre eludir protecciones técnicas de acceso. El propio aviso del README dice que la biblioteca está "provided for educational and research purposes only" y pide "Always respect the terms of service of websites and robots.txt files", mientras que la lista de spiders muestra que el respeto a robots.txt es un "Optional `robots_txt_obey` flag".
revisión con IA
- AtenciónDiseñado para evadir la protección antibots de los sitios
El README vende la evasión como una función principal: "Anti-bot Bypass: Advanced stealth capabilities with `StealthyFetcher` and fingerprint spoofing. Can easily bypass all types of Cloudflare's Turnstile/Interstitial with automation", los ejemplos de código usan `solve_cloudflare=True`, la sección de MCP dice que permite a los modelos de IA "bypass any CAPTCHA is faces", y `pyproject.toml` describe el proyecto como "undetectable". Superar los sistemas que un sitio usa para bloquear el acceso automatizado va contra los términos de uso de la mayoría de los sitios, y en algunos países también puede ser ilegal. El propio aviso del README dice que la biblioteca es "for educational and research purposes only" y pide "respect the terms of service of websites and robots.txt files".
revisión con IA
- AtenciónEl respeto a robots.txt viene desactivado por defecto
Lista de Spiders del README: "Robots.txt Compliance: Optional `robots_txt_obey` flag that respects `Disallow`, `Crawl-delay`, and `Request-rate`". Las reglas que un sitio publica para los rastreadores solo se siguen si activas esa opción.
revisión con IA
- InfoPuede copiar catálogos completos y ocultar tu dirección
Las plantillas listas incluyen `ShopifySpider` para "collect products from public Shopify stores, one item per variant", y los fetchers ofrecen rotación de proxies, falsificación de huella TLS (`impersonate='chrome'`) y "DNS Leak Prevention" mediante DNS-over-HTTPS de Cloudflare. Recopilar datos personales de esta manera también trae obligaciones legales de privacidad.
revisión con IA
- InfoEl README es espacio de publicidad pagada
Buena parte del README son bloques de "Platinum Sponsors" y "Sponsors" de empresas de proxies y de resolución de CAPTCHA con códigos de descuento ("Use code SCRAPLING35 for 35% discount", "Code SCRAPEANDTAKE: 25% off") y la línea "Do you want to show your ad here?". Trata esas recomendaciones como publicidad, no como consejo.
revisión con IA
- InfoEl servidor de IA lleva páginas web externas a tu asistente
El servidor MCP "Let[s] AI chatbots and agents (Claude/Cursor/etc) scrape through Scrapling with HTTP requests, browser actions, screenshots, saved login state". El README dice que "protect[s] against Prompt-Injection", lo cual es una afirmación del propio autor; el texto de una página que visita de todos modos llega a tu asistente.
revisión con IA
- InfoLos inicios de sesión guardados y el tráfico capturado quedan en el disco
Las sesiones del navegador conservan cookies y estado (`StealthySession`, "saved login state") y `record_requests=True` "saves text response bodies" para buscar después. Esos archivos pueden contener tus inicios de sesión y los datos de los sitios que visitaste.
revisión con IA
La evidencia aparece en su idioma original.
Lo que Radar no pudo verificar de Scrapling
- Si el manejo de Cloudflare y CAPTCHA todavía funciona hoy, ya que los sitios cambian su protección constantemente
- Las cifras de velocidad del README, que fueron medidas por el propio proyecto
- El uso real de disco después de que `scrapling install` descarga un navegador completo y sus archivos de sistema
- Si un rastreo se mantiene lo bastante discreto como para que el sitio objetivo no te bloquee la dirección
- Si se sostiene la afirmación de protección contra inyección de prompts en el servidor de IA