Scraping y extracción de datos
El web scraping recupera de forma automática la información publicada en webs, en lugar de copiarla una a una durante horas. Precios de la competencia, anuncios o fichas de productos llegan así a un archivo limpio y listo para usar, en CSV, Excel o JSON. Un desarrollador freelance crea la herramienta de extracción adecuada para tu necesidad, o te orienta hacia una API o datos abiertos si existen. Tiendas que vigilan a su competencia o investigadores que reúnen un corpus encontrarán ofertas con precio y plazo. Antes de encargar, indica las webs, la información que quieres y la frecuencia, y comprueba que puedes reutilizar esos datos.
¿Eres desarrollador freelance?
Regístrate en BeFreelancr, crea tu perfil y tus servicios, y encuentra clientes. Tanto si eres freelancer independiente como un colectivo o una agencia, ¡todos los talentos son bienvenidos!
¿Necesitas un desarrollador?
Cuéntanos qué necesitas y encontraremos el freelancer ideal para tu proyecto. Para encargos más complejos, también podemos proponerte colectivos o agencias.
Scraping y extracción de datos: preguntas frecuentes
¿Cuánto cuesta un encargo de scraping a un freelance?
Entre 50 y 1.000 € para un encargo habitual, entregado en 2 a 7 días. Una lista sacada de una sola web sencilla y entregada en CSV se sitúa en la parte baja de la horquilla. El presupuesto aumenta con el número de fuentes, las páginas cargadas con JavaScript, el volumen y la limpieza de duplicados o el envío a una base de datos.
Scraping, API o datos abiertos: ¿qué pedir a un desarrollador?
Pregúntale primero si existe una fuente oficial. Una API o un conjunto de datos abiertos es más estable que una extracción, y sus condiciones de uso están por escrito. En España, por ejemplo, el portal datos.gob.es reúne los datos abiertos de las administraciones, y el BOE publica cada día el Boletín Oficial del Registro Mercantil (BORME).
El scraping se justifica cuando la información no está disponible en ningún otro sitio, como los precios o los anuncios que muestra una web. Un conector con una API suele corresponder a un encargo de automatización, más duradero.
¿El scraping de datos es legal en España?
No está prohibido por principio, pero tampoco es libre. Se suman varias normas:
- Datos personales: un dato visible en internet sigue sujeto al RGPD. Hace falta una base legal e informar a las personas.
- Bases de datos: el artículo 133 de la Ley de Propiedad Intelectual, que aplica una directiva europea, permite a su fabricante prohibir la extracción de la totalidad o de una parte sustancial de su contenido.
- Condiciones de la web: lee sus condiciones de uso, que pueden excluir cualquier recogida automatizada.
- Archivo robots.txt: indica lo que la web acepta, sin ser una autorización de acceso.
Esta respuesta es general. El desarrollador hace la extracción, pero te corresponde a ti comprobar el uso previsto, con un abogado si hay datos personales o un gran volumen en juego.
¿Se puede hacer scraping de LinkedIn o de directorios para captar clientes por email?
Es el caso más arriesgado. En diciembre de 2024, la autoridad francesa de protección de datos (CNIL) impuso una multa de 240.000 € a KASPR, que recopilaba datos de contacto en LinkedIn: esos datos solo eran visibles para ciertos contactos de sus titulares, que no esperaban una recogida así. El RGPD que aplicó es el mismo que rige en España.
Una base de contactos para prospección se construye, por tanto, a partir de fuentes autorizadas. Un encargo de generación de leads también debe decirte de dónde vienen los contactos.
¿Qué preparar para encargar una extracción de datos?
- Las fuentes: las URL exactas de las páginas.
- El archivo esperado: una columna por dato, con un ejemplo rellenado a mano.
- El volumen y la frecuencia: mil filas una sola vez o cada semana no son el mismo encargo.
- El formato: CSV o Excel para un uso sencillo, JSON o base de datos para un uso técnico.
- El uso previsto: determina los campos útiles y lo que es mejor no recoger.
Pide una muestra antes de la extracción completa y revisa después los duplicados y los valores vacíos. Para sacar conclusiones del archivo, un análisis de datos puede tomar el relevo.
Extracción puntual o recogida periódica: ¿qué encargar?
Para un estudio o un archivo único, basta con la entrega de los datos. El seguimiento de los precios de un competidor o la vigilancia de anuncios exigen una recogida que funcione sola, y eso es otro servicio.
Un script deja de funcionar en cuanto la web cambia su diseño. Antes de encargar, pregunta dónde se ejecuta, quién lo repara y si te entregan su código y su documentación.
¿Se puede hacer scraping de una web en JavaScript o protegida por un CAPTCHA?
Una página cargada con JavaScript se lee con un navegador automatizado, como Playwright o Selenium. Es más largo de construir y de ejecutar, y por tanto más caro.
Un CAPTCHA o un área protegida con contraseña es otra cuestión: la web muestra que rechaza este tipo de acceso. En sus recomendaciones sobre IA, la CNIL francesa pide excluir las webs que se oponen claramente a la recogida masiva, en particular por este medio. No encargues que se salten estas protecciones: pide más bien un acceso o una licencia al editor de los datos.