El web scraping<\/em>, que suele ser traducido por “raspado de páginas web”, consiste en la navegación automática por una web y al mismo tiempo realizar la extracción de los datos encontrado para, posteriormente, analizar y manipular los datos extraídos en base a ciertos parámetros.<\/p>\n A la aplicación o software creado para scrapear se le denomina bot, spider o crawler. Muchas webs tratar de protegerse de esas aplicaciones para salvaguardar sus datos. Un ejemplo de ello lo tenemos en los Captcha, que están en muchos formularios de suscripción y que evitan, no solo que nuestra base de datos de suscriptores recojan cuentas de correos falsas, también evitan el acceso de los crawlers a ciertas zonas de un sitio web.<\/p>\n La información que se obtiene es muy valiosa, por ello el “raspado de datos” se lleva a cabo con muy diversos objetivos, se podría decir que son infinitos como lo son las posibilidades del data mining, no obstante algunos de los más comunes son:<\/p>\n Esta pregunta es muy común y la respuesta es, que en ocasiones es legal y en ocasiones no lo es.<\/p>\n Es decir, los scrapers siempre deben tener en cuenta los derechos de propiedad intelectual de las web para que ello no pueda ser considerado ilegal, y es legal siempre que los datos obtenidos estén disponibles libremente para terceros en la propia web.<\/p>\n Muchas veces los propietarios de las web ofrecen el uso de una API para que no sea necesario realizar scraping, y conseguir los datos de forma sencilla. A nadie le molesta, o casi nadie, que el crawler de Google acceda a su web para indexar los contenidos de la misma y, con ello, tomar las mejores posiciones en las SERPs. Para hacer scraping de forma legal se han de tener en cuenta estos aspectos:<\/p>\n Aunque en tu sitio web manifiestes de forma explicita que no permites web scraping, nunca faltaran quienes deseen hacerlo, por lo que es necesario que implementes una serie de acciones para protegerte, como pueden ser:<\/p>\n <\/body><\/html><\/p>\n","protected":false},"template":"","class_list":["post-48600","glossary","type-glossary","status-publish","hentry"],"yoast_head":"\n3. ¿Objetivos del web scraping?<\/h2>\n
\n
2. ¿El web scraping es legal?<\/h2>\n
\n
3. ¿Como protegemos del web scraping?<\/h2>\n
\n