--- title: "cloudscraper en Python: guía paso a paso" slug: cloudscraper-guide date: 2026-02-18T06:42:15+00:00 modified: 2026-04-27T09:05:01+00:00 permalink: https://brightdata.es/blog/datos-web/cloudscraper-guide type: blog --- [ Blog ](https://brightdata.es/blog "Blog") / [Datos web](https://brightdata.es/blog/datos-web) [Datos web](https://brightdata.es/blog/datos-web) # cloudscraper en Python: guía paso a paso Aprenda a utilizar Cloudscraper en Python para eludir la protección de Cloudflare, gestionar errores y explorar soluciones alternativas para los sistemas antibots. 13 min de lectura [ ](https://brightdata.com/blog/authors/fortune-adekogbe) [Fortune Adekogbe ](https://brightdata.com/blog/authors/fortune-adekogbe) ![Cloudscraper in Python blog image](https://media.brightdata.es/2024/09/Cloudscraper-in-Python.svg) En este tutorial, aprenderás a utilizar la biblioteca Python [cloudscraper](https://pypi.org/project/cloudscraper/) para eludir la detección de bots de Cloudflare, gestionar errores comunes y explorar soluciones alternativas de scraping para obtener las protecciones antibots más robustas. ## Cómo utilizar cloudscraper en Python En este tutorial, intentarás extraer datos de un sitio web protegido por Cloudflare con y sin Cloudscraper. Para ello, utilizarás los paquetes Beautiful Soup y[Requests](/faqs/python-requests/what-is-python-requests). Si no estás familiarizado con estos paquetes, consulta[esta guía de Scraping web en Python](/blog/how-tos/web-scraping-with-python)para obtener más información. Para empezar, instala los paquetes necesarios ejecutando el siguiente comando `pip`: ```none pip install tqdm==4.66.5 requests==2.32.3 beautifulsoup4==4.12.3 ``` Para que este tutorial sea más fácil de seguir, se ha creado el siguiente Scraper web para extraer metadatos de artículos de noticias publicados en un día concreto en el[sitio web ChannelsTV](https://www.channelstv.com/): ```none import requests from bs4 import BeautifulSoup from datetime import datetime from tqdm.auto import tqdm def extract_article_data(article_source, headers): response = requests.get(article_source, headers=headers) if response.status_code != 200: return None soup = BeautifulSoup(response.content, 'html.parser') title = soup.find(class_="post-title display-3").text.strip() date = soup.find(class_="post-meta_time").text.strip() date_object = datetime.strptime(date, 'Updated %B %d, %Y').date() categories = [category.text.strip() for category in soup.find('nav', {"aria-label": "breadcrumb"}).find_all('li')] tags = [tag.text.strip() for tag in soup.find("div", class_="tags").find_all("a")] article_data = { 'date': date_object, 'title': title, 'link': article_source, 'tags': tags, 'categories': categories } return article_data def process_page(articles, headers): page_data = [] for article in tqdm(articles): url = article.find('a', href=True).get('href') if "https://" not in url: continue article_data = extract_article_data(url, headers) if article_data: page_data.append(article_data) return page_data def scrape_articles_per_day(base_url, headers): day_data = [] page = 1 while True: page_url = f"{base_url}/page/{page}" response = requests.get(page_url, headers=headers) if not response or response.status_code != 200: break soup = BeautifulSoup(response.content, 'html.parser') articles = soup.find_all('article') if not articles: break page_data = process_page(articles, headers) day_data.extend(page_data) page += 1 return day_data headers = { 'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/109.0.0.0 Safari/537.36', } URL = "https://www.channelstv.com/2024/08/01/" scraped_articles = scrape_articles_per_day(URL, headers) print(f"{len(scraped_articles)} artículos fueron extraídos.") print("Muestras:") print(scraped_articles[:2]) ``` En este código, se definen tres funciones para facilitar el proceso de scraping. La primera, llamada `extract_article_data`, carga los datos de un artículo individual y extrae metadatos, como su fecha de publicación, título, etiquetas y categorías, a un diccionario de Python, que luego se devuelve. Los pasos de carga y extracción se implementan utilizando las bibliotecas de Python Requests y Beautiful Soup. La segunda función, `process_page`, obtiene el enlace a todos los artículos de una página concreta y llama a la función `extract_article_data` para extraer los datos que contienen y almacena cada diccionario de metadatos en una lista, que luego se devuelve. La última función, llamada `scrape_articles_per_day`, utiliza un bucle `while` para incrementar el número de página y extrae los datos de los artículos de cada página hasta llegar a una página que no existe. A continuación, se define la URL que se va a extraer y se especifica la fecha que se va a filtrar como el 1 de agosto de 2024, así como una variable `de encabezados` que contiene un agente de usuario de muestra. Se llama a la función `scrape_articles_per_day` y se pasan las variables `URL` y `encabezados`. A continuación, se imprime el número de artículos extraídos y los dos primeros resultados. Lo ideal sería que este Scraper funcionara, pero no es así porque el sitio web ChannelsTV utiliza Cloudflare para impedir el acceso al contenido de sus páginas web a través de las solicitudes directas implementadas en las funciones`extract_article_data`y`scrape_articles_per_day`. Cuando intentas ejecutar este script, el resultado es el siguiente: ```none Se extrajeron 0 artículos. Muestras: [] ``` ### Incorporar cloudscraper Anteriormente, cuando intentabas extraer metadatos específicos de un artículo, no se devolvía nada, gracias a la protección de Cloudflare. En esta sección, instalarás y utilizarás cloudscraper para evitar este problema. Para empezar, instala la biblioteca cloudscraper ejecutando el siguiente comando `pip`: ```none pip install cloudscraper==1.2.71 ``` A continuación, importe el paquete y defina una función `fetch_html_content` como esta: ```none import cloudscraper def fetch_html_content(url, headers): try: scraper = cloudscraper.create_scraper() response = scraper.get(url, headers=headers) if response.status_code == 200: return response else: print(f"Failed to fetch URL: {url}. Status code: {response.status_code}") return None except Exception as e: print(f"An error occurred while fetching URL: {url}. Error: {str(e)}") return None ``` Esta función toma la URL que se va a extraer y los encabezados de la solicitud como parámetros de entrada, y devuelve un objeto de respuesta o `None`. Dentro de la función, se define un bloque `try-except`. En el bloque `try`, se crea un Scraper utilizando el método `cloudscraper.create_scraper`. A continuación, se llama al método `scraper.get` y se pasan las variables `url` y `headers`. Si el código de estado de la respuesta es `200`, se devuelve la respuesta. De lo contrario, se imprime un mensaje de error y se devuelve `None`. Del mismo modo, si se produce un error en el bloque `try`, se activa el bloque `except`, en el que se imprime un mensaje apropiado y se devuelve `None`. A continuación, sustituye todas las llamadas `a requests.get` en tu script por esta función `fetch_html_content`. Inicialmente, realiza esta sustitución en tu función `extract_article_data` de la siguiente manera: ```none def extract_article_data(article_source, headers): response = fetch_html_content(article_source, headers) ``` A continuación, sustituye la llamada `requests.get` en tu función `scrape_articles_per_day` de la siguiente manera: ```none def scrape_articles_per_day(base_url, headers): day_data = [] page = 1 while True: page_url = f"{base_url}/page/{page}" response = fetch_html_content(page_url, headers) ``` Al definir esta función, la biblioteca cloudscraper puede ayudarte a eludir las restricciones de Cloudflare. Cuando ejecutas el código, el resultado es el siguiente: ```none No se pudo obtener la URL: https://www.channelstv.com/2024/08/01//page/5. Código de estado: 404. Se recopilaron 55 artículos. Ejemplos: [{'date': datetime.date(2024, 8, 1), 'title': 'Resiliencia, gases lacrimógenos, saqueos y toque de queda mientras continúan las protestas #EndBadGovernance', 'link': 'https://www.channelstv.com/2024/08/01/tear-gas-resilience-looting-curfew-as-endbadgovernance-protests-hold/', 'tags': ['Eagle Square', 'Hunger', 'Looting', 'MKO Abiola Park', 'violence'], 'categories': ['Headlines']}, {'date': datetime.date(2024, 8, 1), 'title': 'La madre de un artista ruso liberado en un intercambio de prisioneros espera poder "abrazarla"', 'link': 'https://www.channelstv.com/2024/08/01/mother-of-russian-artist-freed-in-prisoner-swap-waiting-to-hug-her/', 'tags': ['Intercambio de prisioneros', 'Rusia'], 'categories': ['Noticias internacionales']}] ``` ## Funciones adicionales de Cloudscraper Como puede ver, Cloudscraper puede ayudarle a superar la protección IUAM de Cloudflare, pero Cloudscraper también tiene otras características que vale la pena destacar. ### Uso de proxies Los Proxy actúan como servidores intermediarios entre su ordenador y los sitios web de destino, lo que le permite mantener un mayor anonimato mientras navega por Internet. Sus solicitudes se enrutan a través de ellos, de modo que los sitios web de destino, como los protegidos por Cloudflare, ven el Proxy como la fuente del tráfico y no su dispositivo. Con Cloudscraper, puede definir Proxies y pasarlos a su objeto `Cloudscraper` ya creado de esta manera: ```none scraper = cloudscraper.create_scraper() Proxy = { 'http': 'http://your-proxy-ip:port', 'https': 'https://your-proxy-ip:port' } response = scraper.get(URL, proxies=Proxy) ``` Aquí, defines un objeto Scraper con valores predeterminados. A continuación, defines un diccionario Proxy con proxies `http` y `https`. Por último, pasas el objeto del diccionario Proxy al método `scraper.get` como lo harías con un método `request.get` normal. ### Cambiar el agente de usuario y el intérprete de JavaScript Aunque en el script anterior se especificó directamente un agente de usuario, la biblioteca cloudscraper también puede generar automáticamente agentes de usuario. Esto reduce las configuraciones manuales necesarias durante la creación de scripts y permite imitar a usuarios reales con diferentes identidades de navegador. Esto se hace de forma aleatoria, pero también puede seleccionar el tipo de agentes de usuario de los que se toma la muestra pasando un parámetro del navegador al método `cloudscraper.create_scraper`. Este parámetro del navegador contiene un diccionario que almacena valores de cadena para el navegador y la plataforma y valores booleanos para escritorio y móvil. cloudscraper también le permite especificar el intérprete y el motor de JavaScript que utiliza con su Scraper. El valor predeterminado es un solucionador nativo creado por el equipo de cloudscraper. Otras opciones disponibles son Node.js, Js2Py, ChakraCore y v8eval. A continuación se muestra un fragmento de código de ejemplo con las especificaciones de un intérprete y un navegador: ```none Scraper = cloudscraper.create_scraper( interpreter="nodejs", browser={ "browser": "chrome", "platform": "ios", "desktop": False, } ) ``` Aquí, se establece el intérprete como ` «nodejs»` y se pasa un diccionario al parámetro del navegador. Dentro de este diccionario, el navegador se establece en Chrome y la plataforma se establece en ` «ios».` El parámetro de escritorio se establece en `False`, lo que implica que el navegador se ejecuta en el móvil, ya que los valores de móvil y escritorio se establecen en `True` de forma predeterminada. En este caso, Cloudflare selecciona los agentes de usuario móviles iOS que se ejecutan en el navegador Chrome. ### Gestión de CAPTCHAs [Los CAPTCHA](/blog/web-data/what-is-a-captcha)están diseñados para distinguir entre humanos y bots, y a menudo pueden impedir que se cargue la página web de destino cuando se realiza el scraping. Una de las ventajas de Cloudscraper es que admite algunos solucionadores de CAPTCHA de terceros, dedicados a [reCAPTCHA](/products/web-unlocker/captcha-solver/recaptcha), [hCaptcha](/products/web-unlocker/captcha-solver/hcaptcha) y [otros](/products/web-unlocker/captcha-solver). Si hay otros solucionadores de CAPTCHA de terceros que le interesen, puede enviar su sugerencia al equipo de Cloudscraper a través de los tickets de soporte de GitHub. El siguiente fragmento de código muestra cómo modificar tu Scraper para gestionar CAPTCHA: ```none Scraper = cloudscraper.create_scraper( captcha={ 'provider': 'capsolver', 'api_key': 'your_capsolver_api_key' } ) ``` En este código, se especifica Capsolver como proveedor de CAPTCHA y la clave API de Capsolver. Ambos valores se almacenan en un diccionario y se pasan al parámetro CAPTCHA en el método `cloudscraper.create_scraper`. ## Errores comunes de cloudscraper Aunque cloudscraper es una forma fácil de sortear las restricciones de Cloudflare, es posible que encuentres algunos errores al empezar a utilizarlo. A continuación se indican algunos de los errores más comunes (y sus soluciones) con los que te puedes encontrar. ### Módulo no encontrado El error `«módulo no encontrado»` es un error común en Python que se produce cuando se intenta importar o utilizar una biblioteca que no existe en el entorno Python. Cuando se trabaja en Python, se opera dentro de un entorno, y solo las bibliotecas instaladas en ese entorno activo son accesibles por su script o cuaderno. El error `«módulo no encontrado»` implica que no ha activado el entorno (virtual) relevante o que no ha instalado el paquete en su entorno. Para activar tu entorno virtual en Windows, ejecuta el siguiente comando: ```none .Scriptsactivate.bat ``` Si trabaja con Linux o macOS, puede utilizar el siguiente comando: ```none source /bin/activate ``` Si el paquete no está instalado, instálelo ejecutando el siguiente comando: ```none pip install cloudscraper ``` ### cloudscraper no puede eludir la última versión de Cloudflare El error `«cloudscraper no puede omitir la última versión de Cloudflare` » se produce cuando intentas utilizar una versión de cloudscraper diseñada para omitir una versión anterior de Cloudflare. Esto supone un problema, ya que las versiones más recientes de Cloudflare pueden incluir cambios que restringen las versiones anteriores de cloudscraper hasta que se actualice la biblioteca Python. Si está ejecutando una versión anterior de cloudscraper, lo mejor es actualizar su paquete con el siguiente comando: ```none pip install -U cloudscraper ``` En los casos en los que ya esté utilizando la versión más reciente de Cloudscraper, es posible que tenga que esperar a una actualización o buscar una solución alternativa que funcione. ## Una alternativa a Cloudscraper Si, después de implementar lo que ha aprendido aquí, sigue teniendo problemas para eludir la protección de Cloudflare, debería considerar el uso de Bright Data. Bright Data cuenta con una de las redes de proxies más grandes, que incluye [proxies](/proxy-types/residential-proxies)[de centros de datos](/proxy-types/datacenter-proxies), [ISP](/proxy-types/isp-proxies), [móviles](/proxy-types) y [residenciales](/proxy-types/residential-proxies). Con estos proxies como intermediarios, puede evitar el bloqueo de IP, mejorar el rendimiento, eludir las restricciones geográficas y proteger su privacidad. Para eludir la protección de Cloudflare utilizando Bright Data, todo lo que tienes que hacer es crear una cuenta, configurarla y obtener tus credenciales API. A continuación, puedes utilizar esas credenciales para acceder a los datos en tu URL de destino de esta manera: ```none import requests host = 'brd.superproxy.io' port = 22225 username = 'brd-customer--zone-' password = '' proxy_url = f'http://{username}:{password}@{host}:{port}' proxies = { 'http': proxy_url, 'https': proxy_url } response = requests.get(URL, proxies=proxies) ``` Aquí, se realiza una solicitud `GET` con la biblioteca Python Requests y se pasan los proxies a través del parámetro `proxies`. Los proxies creados utilizan su nombre de usuario, contraseña, host y número de puerto de Bright Data. Su nombre de usuario, en particular, se define en función de su ID de cliente de Bright Data y el nombre de la zona, todos los cuales se pueden recuperar de su cuenta. ## Conclusión En este tutorial, ha aprendido a utilizar la biblioteca cloudscraper en Python para extraer datos de sitios web protegidos por Cloudflare. También ha aprendido algunos errores comunes que puede encontrar y cómo evitarlos. Aunque cloudscraper puede ser una gran solución para evitar el IUAM de Cloudflare, como cualquier tecnología gratuita, tiene sus límites. Por eso también ha aprendido a utilizar la impresionante red de Proxies[de Bright Data](/)y[Web Unlocker](/products/web-unlocker)para acceder a sitios protegidos por Cloudflare. Bright Data te proporciona herramientas automatizadas que te permiten acceder a datos en Internet sin restricciones. También puedes utilizar su amplia red de Proxies para reducir el número de solicitudes fallidas si la automatización no es tu objetivo. ¿Estás listo para llevar tu scraping web al siguiente nivel? Descubre cómo nuestros proxies premium y nuestros servicios expertos de recopilación de datos web pueden eludir fácilmente incluso las protecciones contra bots más estrictas. ¡Empieza hoy mismo con una prueba gratuita! Contactar ventasPrueba gratuita![google social icon](/wp-content/themes/brightdata/assets/images/ic_google.svg) Tabla de Contenidos [ ](https://news.ycombinator.com/submitlink?t=cloudscraper+en+Python%3A+gu%C3%ADa+paso+a+paso&u=https://brightdata.es/blog/datos-web/cloudscraper-guide) [ ](https://www.linkedin.com/shareArticle?mini=true&title=cloudscraper+en+Python%3A+gu%C3%ADa+paso+a+paso&url=https://brightdata.es/blog/datos-web/cloudscraper-guide) [ ](http://www.reddit.com/submit?title=cloudscraper+en+Python%3A+gu%C3%ADa+paso+a+paso&url=https://brightdata.es/blog/datos-web/cloudscraper-guide) ## Usted también puede estar interesado en [ ![OpenHuman with Bright Data](https://media.brightdata.es/2026/09/OpenHuman-with-Bright-Data.png) ](https://brightdata.es/blog/ai/openhuman-with-bright-data "Acceso Web Listo para Producción en OpenHuman a Través de la CLI de Bright Data") [AI ![Antonello Zanini](https://media.brightdata.es/2022/12/Antonello-Zanini-2-50x50.jpg) Antonello Zanini Technical Writer ### Acceso Web Listo para Producción en OpenHuman a Través de la CLI de Bright Data Integra la CLI de Bright Data con OpenHuman para habilitar acceso web listo para producción y recopilación de datos para agentes de IA. 09-Sep-2026 14 min de lectura ](https://brightdata.es/blog/ai/openhuman-with-bright-data) [ ![Multimodal Web Scraping with MiniMax](https://media.brightdata.es/2026/09/Multimodal-Web-Scraping-with-MiniMax.png) ](https://brightdata.es/blog/datos-web/multimodal-web-scraping-with-minimax "Scraping Web Multimodal con MiniMax") [Datos web ![Antonello Zanini](https://media.brightdata.es/2022/12/Antonello-Zanini-2-50x50.jpg) Antonello Zanini Technical Writer ### Scraping Web Multimodal con MiniMax Combina Bright Data Web Unlocker con la visión de MiniMax M3 para extraer datos estructurados de imágenes y capturas de pantalla de páginas web. 09-Sep-2026 5 min de lectura ](https://brightdata.es/blog/datos-web/multimodal-web-scraping-with-minimax) [ ![The 10 Best CLI Tools for Codex in 2026](https://media.brightdata.es/2026/08/The-10-Best-CLI-Tools-for-Codex-in-2026.png) ](https://brightdata.es/blog/ai/best-cli-tools-for-codex "Las 10 mejores herramientas CLI para Codex en 2026 – Probadas y clasificadas") [AI ![Daniel Shashko](https://media.brightdata.es/2022/04/Daniel-Shashko-2-50x50.png) Daniel Shashko Web Data & AI Expert ### Las 10 mejores herramientas CLI para Codex en 2026 – Probadas y clasificadas Las 10 herramientas CLI que hacen a Codex más rápido y capaz, comenzando con la Bright Data CLI para acceso web real desde dentro del sandbox. 06-Sep-2026 24 min de lectura ](https://brightdata.es/blog/ai/best-cli-tools-for-codex)