spanish.md

🚀 ¿Buscas una forma aún más rápida y sencilla de hacer scraping a escala (con solo 5 líneas de código)? ¡Checa nuestra versión mejorada en ScrapeGraphAI.com! 🚀

---

🕷️ ScrapeGraphAI: You Only Scrape Once

English | 中文 | 日本語 | 한국어 | Русский | Türkçe | Deutsch | Español | français | Português | Italiano

ScrapeGraphAI es una librería de Python para web scraping que usa LLMs y lógica de grafos para crear pipelines de extracción de datos en sitios web y documentos locales (XML, HTML, JSON, Markdown, etc.).

¡Solo dile qué información quieres extraer y la librería lo hace por ti!

🚀 Integraciones

ScrapeGraphAI se integra de forma nativa con los frameworks y herramientas más populares para potenciar tus capacidades de scraping. Ya sea que estés desarrollando en Python o Node.js, usando frameworks de LLMs o plataformas no-code, tenemos todo cubierto.

Puedes encontrar más información en el siguiente link

Integraciones:

• API: Documentación
• SDKs: Python, Node
• Frameworks de LLMs: Langchain, Llama Index, Crew.ai, Agno, CamelAI
• Frameworks low-code: Pipedream, Bubble, Zapier, n8n, Dify, Toolhouse
• Servidor MCP: Link

🚀 Instalación rápida

La página de referencia de Scrapegraph-ai está disponible en PyPI: pypi.

pip install scrapegraphai

# IMPORTANTE (para hacer fetch del contenido de los sitios web)
playwright install

Nota: se recomienda instalar la librería en un entorno virtual para evitar conflictos con otras dependencias 🐱

💻 Uso

Hay múltiples pipelines de scraping estándar para extraer información de un sitio web o archivo local.

El más común es SmartScraperGraph, que extrae información de una sola página dado un prompt y una URL de origen.

from scrapegraphai.graphs import SmartScraperGraph

# Define the configuration for the scraping pipeline
graph_config = {
    "llm": {
        "model": "ollama/llama3.2",
        "model_tokens": 8192,
        "format": "json",
    },
    "verbose": True,
    "headless": False,
}

# Create the SmartScraperGraph instance
smart_scraper_graph = SmartScraperGraph(
    prompt="Extract useful information from the webpage, including a description of what the company does, founders and social media links",
    source="https://scrapegraphai.com/",
    config=graph_config
)

# Run the pipeline
result = smart_scraper_graph.run()

import json
print(json.dumps(result, indent=4))

Note

Para OpenAI y otros modelos solo necesitas cambiar el config del LLM:

graph_config = {
    "llm": {
        "api_key": "YOUR_OPENAI_API_KEY",
        "model": "openai/gpt-4o-mini",
    },
    "verbose": True,
    "headless": False,
}

El output será un diccionario como el siguiente:

{
    "description": "ScrapeGraphAI transforms websites into clean, organized data for AI agents and data analytics. It offers an AI-powered API for effortless and cost-effective data extraction.",
    "founders": [
        {
            "name": "",
            "role": "Founder & Technical Lead",
            "linkedin": "https://www.linkedin.com/in/perinim/"
        },
        {
            "name": "Marco Vinciguerra",
            "role": "Founder & Software Engineer",
            "linkedin": "https://www.linkedin.com/in/marco-vinciguerra-7ba365242/"
        },
        {
            "name": "Lorenzo Padoan",
            "role": "Founder & Product Engineer",
            "linkedin": "https://www.linkedin.com/in/lorenzo-padoan-4521a2154/"
        }
    ],
    "social_media_links": {
        "linkedin": "https://www.linkedin.com/company/101881123",
        "twitter": "https://x.com/scrapegraphai",
        "github": "https://github.com/ScrapeGraphAI/Scrapegraph-ai"
    }
}

Existen otros pipelines para extraer información de múltiples páginas, generar scripts de Python o incluso generar archivos de audio.

Nombre del Pipeline	Descripción
SmartScraperGraph	Scraper de una sola página que solo requiere un prompt y una fuente de entrada.
SearchGraph	Scraper multi-página que extrae información de los primeros n resultados de un motor de búsqueda.
SpeechGraph	Scraper de una sola página que extrae información de un sitio web y genera un archivo de audio.
ScriptCreatorGraph	Scraper de una sola página que extrae información de un sitio web y genera un script de Python.
SmartScraperMultiGraph	Scraper multi-página que extrae información de múltiples páginas con un solo prompt y una lista de fuentes.
ScriptCreatorMultiGraph	Scraper multi-página que genera un script de Python para extraer información de múltiples páginas y fuentes.

Cada uno de estos grafos tiene su versión multi, que permite hacer llamadas al LLM en paralelo.

Es posible usar diferentes LLMs mediante APIs como OpenAI, Groq, Azure, Gemini, MiniMax y más, o modelos locales usando Ollama.

Recuerda tener Ollama instalado y descargar los modelos con el comando ollama pull si quieres usar modelos locales.

📖 Documentación

La documentación de ScrapeGraphAI está disponible aquí.

🤝 Contribuciones

¡Siéntete libre de contribuir y únete a nuestro servidor de Discord para discutir mejoras y compartir sugerencias!

Por favor revisa las guías de contribución.

🔗 API y SDKs de ScrapeGraph

Si buscas una solución rápida para integrar ScrapeGraph en tu sistema, checa nuestra API aquí.

Ofrecemos SDKs en Python y Node.js para facilitar la integración en tus proyectos:

SDK	Lenguaje	GitHub Link
Python SDK	Python	scrapegraph-py
Node.js SDK	Node.js	scrapegraph-js

La documentación oficial de la API está disponible aquí.

🔥 Benchmark

¡Según el benchmark de Firecrawl Firecrawl benchmark, ScrapeGraph es el mejor fetcher del mercado!

📈 Telemetría

Recopilamos métricas de uso anónimas para mejorar la calidad del paquete y la experiencia del usuario. Los datos nos ayudan a priorizar mejoras y garantizar compatibilidad. Si deseas hacer opt-out, configura la variable de entorno SCRAPEGRAPHAI_TELEMETRY_ENABLED=false. Para más información consulta la documentación aquí.

❤️ Contributors

🎓 Citas

Si usaste nuestra librería para investigación, por favor cítanos con la siguiente referencia:

  @misc{scrapegraph-ai,
    author = {Lorenzo Padoan, Marco Vinciguerra},
    title = {Scrapegraph-ai},
    year = {2024},
    url = {https://github.com/ScrapeGraphAI/Scrapegraph-ai},
    note = {A Python library for scraping leveraging large language models}
  }

Autores

	Contacto
Marco Vinciguerra
Lorenzo Padoan

📜 Licencia

ScrapeGraphAI está licenciado bajo la Licencia MIT. Consulta el archivo LICENSE para más información.

Agradecimientos

• Queremos agradecer a todos los contributors del proyecto y a la comunidad open-source por su apoyo.
• ScrapeGraphAI está pensado únicamente para exploración de datos e investigación. No nos hacemos responsables del mal uso de la librería.

Hecho con ❤️ por ScrapeGraph AI

Scarf tracking