Scrapling analiza 5,000 elementos en 1.99 milisegundos. La parte de Cloudflare es más difícil de vender.

D4Vinci/Scrapling entró en la lista semanal de GitHub con unas 8,700 estrellas en siete días y 99,671 en total. Es un framework de scraping para Python, una categoría saturada, y no compite por ser pequeño. La propuesta de la primera línea del README: reunir peticiones HTTP rápidas, un navegador sigiloso, parsing y rastreo concurrente en una sola biblioteca, lo que describe cuatro bibliotecas que normalmente hay que pegar con cola.
La cifra que se cita es un benchmark. Extracción de texto sobre 5,000 elementos anidados: Scrapling en 1.99 ms, Parsel/Scrapy en 2.06, lxml puro en 2.56, PyQuery en 23.98, Selectolax en 197.02, MechanicalSoup en 1,545.15, BeautifulSoup con lxml en 1,562.1, BeautifulSoup con html5lib en 3,412.73. Promedios de cien ejecuciones, según el README.
Lee esa tabla dos veces y dice menos de lo que aparenta. Los tres primeros están a un 30% entre sí, y los tres son parsers basados en lxml con envoltorios distintos. La brecha de 780x frente a BeautifulSoup es real, y lo es desde hace una década. Scrapling queda dentro del ruido de lxml haciendo mucho más que parsear, lo cual es un buen resultado y otra afirmación.
La instalación tiene dos pasos y el primero es una trampa
pip install scrapling
Eso instala el motor de parsing y sus dependencias. Nada más. Si importas desde `scrapling.fetchers` o `scrapling.spiders` obtienes un `ModuleNotFoundError`, porque los fetchers se distribuyen como extra:
pip install "scrapling[fetchers]"
scrapling install
El segundo comando descarga navegadores y dependencias del sistema. Si lo omites, los fetchers sigilosos no tienen qué conducir. Otros extras: `scrapling[ai]` para el servidor MCP, `scrapling[rag]` para salida markdown orientada a recuperación, `scrapling[shell]` para la shell interactiva y el comando `extract`, `scrapling[all]` para todo. Hay imágenes Docker en `pyd4vinci/scrapling` y en el registro de GitHub.
La separación se defiende. Un parser no tiene por qué arrastrar un navegador. Aun así implica que cada tutorial que empieza con `pip install scrapling` produzca un traceback en la segunda línea, y el README dedica su primera advertencia justo a eso.

Dos fetchers, dos trabajos distintos
La llamada básica, la que escribe todo el mundo:
from scrapling.fetchers import Fetcher
page = Fetcher.get('https://quotes.toscrape.com/') quotes = page.css('.quote .text::text').getall() ```
`FetcherSession(impersonate='chrome')` mantiene una sesión e imita la huella TLS de un navegador, algo que importa en sitios que identifican el handshake y no la cadena user agent. También admite HTTP/3.
El otro fetcher es el que el proyecto vende de verdad:
from scrapling.fetchers import StealthyFetcher
page = StealthyFetcher.fetch('https://nopecha.com/demo/cloudflare', solve_cloudflare=True) ```
`StealthySession` mantiene abierto un navegador headless, resuelve Cloudflare Turnstile y las comprobaciones intersticiales, y admite `record_requests=True` más `session.network.search()` para capturar las llamadas de API que la página hace en segundo plano. Esa última función cambia flujos de trabajo. Buena parte del scraping no consiste en leer HTML, sino en encontrar el endpoint JSON que llama la página y llamarlo directamente. Una herramienta que expone esas peticiones ahorra una tarde en dev tools.
También hay `ProxyRotator` para rotar proxies, protección contra fugas de DNS vía DoH con Cloudflare, bloqueo de unos 3,500 dominios conocidos de publicidad y rastreo, y una opción `cdp_url` para engancharse a un navegador remoto.
La API Spider tiene forma de Scrapy a propósito
from scrapling.spiders import Spider, Response
class QuotesSpider(Spider): name = "quotes" start_urls = ["https://quotes.toscrape.com/"] concurrent_requests = 10
async def parse(self, response: Response): for quote in response.css('.quote'): yield {"text": quote.css('.text::text').get(), "author": quote.css('.author::text').get()} nxt = response.css('.next a') if nxt: yield response.follow(nxt[0].attrib['href'])
result = QuotesSpider().start() result.items.to_json("quotes.json") ```
`start_urls`, `parse` asíncrono, dicts con yield, objetos `Request` y `Response`: quien haya escrito un spider de Scrapy lee esto sin abrir la documentación. El framework añade limitación por dominio con AutoThrottle, `robots_txt_obey`, un `LinkExtractor`, detección de peticiones bloqueadas con reintento, y un modo de desarrollo que cachea respuestas en disco para repetir un rastreo sin volver a golpear el sitio.
`crawldir` es la función que más tiempo ahorrará en la práctica. Pasa un directorio y Ctrl+C persiste las peticiones pendientes y las URL vistas; reinicia con el mismo directorio y el rastreo continúa. Los rastreos largos fallan, y un framework que asume lo contrario es un framework al que hay que vigilar.
Hay plantillas para las formas habituales: `CrawlSpider`, `SitemapSpider`, spiders para feeds XML y CSV, y `ShopifySpider`, que lee los endpoints públicos de colección de una tienda y emite un item por variante. La exportación viene incluida: `to_json`, `to_jsonl`, `to_csv`, `to_xml`.
El objeto selector es la parte infravalorada
Las páginas parseadas vuelven como un objeto `Selector`, no como una lista de nodos. Admite CSS, XPath, `find_all`, `find_by_text`, búsqueda por regex y navegación: `.next`, `.parent`, `.below_elements`, `find_similar()`. Hay una función de seguimiento de elementos que reubica un objetivo tras un rediseño del sitio, que es el problema de mantenimiento que mata a los scrapers longevos. No siempre funcionará, y cuando funciona ahorra una reescritura.
El parser también corre solo: `Selector("...")` sin llamada de red, que es como se prueba por unidades la lógica de extracción.
El servidor MCP, y por qué una biblioteca de scraping ahora trae uno
`scrapling[ai]` añade un servidor MCP para que un agente llame a los fetchers directamente, incluidas capturas, sesiones con login y APIs de fondo capturadas. El README menciona protección frente a prompt injection, y es lo correcto de lo que preocuparse: un scraper que entrega texto de una página a un modelo es un canal para lo que la página quiera que el modelo lea.
Esa decisión de empaquetado dice dónde cree el mantenedor que están los usuarios. Hace un año, una biblioteca de scraping la usaba un ingeniero de datos dentro de un script. Ahora también es una herramienta que un agente recoge a mitad de tarea, y la interfaz que necesita es una tool call con esquema.
La línea del README que hace el trabajo real
Enterrada cerca del final: "This library is provided for educational and research purposes only." Más una petición de respetar los términos de servicio y robots.txt.
Es un descargo estándar y legalmente no sirve de mucho. Sí describe con precisión la situación. La capacidad técnica de pasar una comprobación anti-bot y el permiso legal para hacerlo no tienen relación, y el segundo va a peor. Sitios que antes toleraban el scraping ahora demandan, bloquean en el borde o venden el acceso. Un framework que vuelve trivial eludir desplaza la decisión de "puedo" a "debo", y la desplaza a quien ejecuta el script.
La tabla del benchmark dará las estrellas. La trampa de instalación dará los issues. Lo que decidirá si este repositorio sirve dentro de dos años es si los mantenedores mantienen al día la capa sigilosa, porque eso es una cinta de correr y el parsing no.
Artículos relacionados
La regla de exportación ya no apunta al chip, sino al cliente
La norma no prohíbe chips: prohíbe el anonimato. Y mueve la unidad de control del hardware a la relación con el cliente final.
La noticia de Nvidia no fue el informe: fue el comité
En nueve días el consejo produjo una investigación, una presidencia y un comité de cumplimiento. No es control del calendario: es reacción.
Nvidia tuvo que ponerle precio a su fundador
En nueve días, Nvidia cambió de CEO y de consejo sin perder un trimestre. El mercado, mientras tanto, le puso precio a lo que valía un solo hombre.
Una hoja de cálculo comunitaria de toques que apaga la publicidad de los Android chinos
No toca el sistema, no desbloquea nada, no flashea nada. Solo mueve los interruptores que los fabricantes ya dejaron a la vista. El precio es una lista que alguien tiene que seguir escribiendo.