--- title: "Cómo extraer datos de Google Finance con Python" slug: how-to-scrape-google-finance date: 2026-02-17T09:05:14+00:00 modified: 2026-02-17T09:05:16+00:00 permalink: https://brightdata.es/blog/datos-web/how-to-scrape-google-finance type: blog --- [ Blog ](https://brightdata.es/blog "Blog") / [Datos web](https://brightdata.es/blog/datos-web) [Datos web](https://brightdata.es/blog/datos-web) # Cómo extraer datos de Google Finance con Python Domine el scraping de Google Finance con Python y BeautifulSoup para extraer datos valiosos del mercado o ahorre tiempo con Conjuntos de datos ya preparados. 13 min de lectura [ ![Jacob Nulty](https://media.brightdata.es/2024/12/Jacob-Nulty-50x50.jpg) ](https://brightdata.com/blog/authors/jake-nulty) [Jake Nulty Technical Writer ](https://brightdata.com/blog/authors/jake-nulty) ![How to Scrape Google Finance blog image](https://media.brightdata.es/2024/12/How-to-Scrape-Google-Finance.svg) Todos los datos son valiosos. Los datos agregados son uno de los tipos más buscados en la web. [Google Finance](https://www.google.com/finance/) contiene toneladas de datos agregados para diferentes mercados financieros. Estos datos son útiles para todo, desde bots de trading hasta informes generales. ¡Empecemos! ## [](#Prerequisites)Requisitos previos Si tienes los conocimientos adecuados, puedes extraer datos de Google Finance con relativa facilidad. Necesitarás lo siguiente para extraer datos de Google Finance. - **Python**: en realidad, solo necesitas conocimientos básicos de Python. Debes saber cómo manejar variables, funciones y bucles. - **Python Requests**: es el cliente HTTP estándar de Python. Se utiliza para realizar solicitudes GET, POST, PUT y DELETE en toda la web. - **BeautifulSoup**: BeautifulSoup nos da acceso a un eficiente analizador HTML. Es lo que utilizamos para extraer nuestros datos. Si aún no los tienes instalados, puedes instalar Requests y BeautifulSoup con los siguientes comandos. **Instalar Requests** ```none pip install requests ``` **Instalar BeautifulSoup** ```none pip install beautifulsoup4 ``` --- ## [](#What-to-Scrape-from-Google-Finance)Qué extraer de Google Finance Aquí tienes una captura de la página principal de Google Finance. Contiene pequeños fragmentos de información sobre diferentes mercados. Nosotros queremos información detallada sobre múltiples mercados, no solo pequeños fragmentos. ![Google Finance full page](https://media.brightdata.es/2024/12/image-11.png)Si te desplazas un poco hacia abajo, verás una sección llamada *«Tendencias del mercado»* en la parte derecha de la página. Cada burbuja de esta sección enlaza con información detallada sobre un mercado específico. Nos interesan los siguientes mercados: *Ganadores*, *Perdedores*, *Índices de mercado*, *Más activos* y *Criptomonedas*. ![Main market trends](https://media.brightdata.es/2024/12/image-12.png)Ahora, haremos clic en cada una de estas páginas y las examinaremos. Comenzaremos con *Ganancias*. Como puede ver en nuestra barra de direcciones, nuestra URL es: `https://www.google.com/finance/markets/gainers`. Si observa la consola de desarrollador en la parte inferior, verá que todo el conjunto de datos está incrustado en una `lista ul`, una *lista desorganizada*. ![Inspecting the gainers](https://media.brightdata.es/2024/12/image-13.png)Ahora veremos *Perdedores*. Nuestra URL es: `https://www.google.com/finance/markets/losers`. Una vez más, nuestro conjunto de datos viene incrustado en una lista desorganizada. ![Inspecting the losers](https://media.brightdata.es/2024/12/image-14.png)Aquí tenemos la misma captura de la página *de índices de mercado*. Esta página es un poco especial. Contiene varios elementos `ul`, por lo que tendremos que adaptar nuestro código. La URL es: `https://www.google.com/finance/markets/indexes`. ¿Empieza a notar una tendencia? ![Inspecting the market indexes page](https://media.brightdata.es/2024/12/image-15.png)![Inspecting the market indexes page 2](https://media.brightdata.es/2024/12/image-16.png)A continuación se muestra la página *Más activa*. Una vez más, todos nuestros datos de destino están incrustados en un `ul`. Nuestra URL es: `https://www.google.com/finance/markets/most-active`. ![Inspecting the most active page ](https://media.brightdata.es/2024/12/image-17.png)Por último, echemos un vistazo a nuestra página *Crypto*. Como probablemente ya habrás adivinado, nuestros datos se encuentran dentro de un `ul`. Nuestra URL es: `https://www.google.com/finance/markets/cryptocurrencies`. ![Inspecting the crypto page](https://media.brightdata.es/2024/12/image-18.png)En cada una de estas páginas, nuestros datos objetivo vienen incrustados en una lista desorganizada. Para extraer nuestros datos, tendremos que encontrar estos elementos `ul` y extraer los elementos `li` (elementos de la lista) de cada uno de ellos. Eche un vistazo a nuestra URL base: `https://www.google.com/finance/markets`. Cada página proviene del punto final `de los mercados`. El formato de nuestra URL es: `https://www.google.com/finance/markets/{NAME_OF_MARKET}`. Tenemos 5 Conjuntos de datos y 5 URL, todos estructurados de la misma manera. Esto facilita el rastreo de una gran cantidad de datos utilizando solo unas pocas variables. --- ## [](#Scrape-Google-Finance-Manually-With-Python)Extraer datos de Google Finance manualmente con Python Si puede evitar que le bloqueen, puede extraer datos de Google Finance con Python Requests y BeautifulSoup. Necesitamos poder extraer nuestros datos. También deberíamos poder almacenarlos. Tenemos varios puntos finales, pero todos provienen de la misma URL base: `https://google.com/finance/markets/`. Cada vez que recuperamos una página, necesitamos encontrar los elementos `ul` y extraer todos los elementos `li` de cada lista. Repasemos las funciones básicas que utilizaremos en nuestro script. Las llamamos `write_to_csv()` y `scrape_page()`. Estos nombres se explican por sí mismos. ### [](#Individual-Functions)Funciones individuales Echemos un vistazo a **`write_to_csv()`**. ```none def write_to_csv(data, filename): if type(data) != list: data = [data] print("Writing to CSV...") filename = f"google-finance-{filename}.csv" mode = "w" if Path(filename).exists(): mode = "a" print("Writing data to CSV File...") with open(filename, mode) as file: writer = csv.DictWriter(file, fieldnames=data[0].keys()) if mode == "w": writer.writeheader() writer.writerows(data) print(f"Se ha escrito correctamente {filename} en CSV...") ``` - Nuestra función necesita escribir una lista de objetos `dict` en un CSV. Si nuestros `datos` no son una `lista`, los convertimos con `data = [data]`. - Cada archivo que generamos proviene de Google Finance, por lo que lo añadimos al crear el archivo `filename = f"google-finance-{filename}.csv"`. - Nuestro `modo` predeterminado es ` «w»` (escribir), pero si el archivo existe, cambiamos nuestro `modo` a ` «a»` (añadir). - `csv.DictWriter(file, fieldnames=data[0].keys())` inicializa nuestro escritor de archivos. - Si estamos en modo de escritura, el archivo aún no existe, por lo que creamos sus encabezados a partir del primer `diccionario` de la `lista`. - Una vez que hayamos terminado con la configuración, añadimos nuestros datos al archivo con `writer.writerows(data)`. Ahora echemos un vistazo a la función de scraping real, `scrape_page()`. Aquí es donde realmente ocurre la magia. Hacemos nuestra solicitud a nuestra URL formateada. A continuación, utilizamos `BeautifulSoup` para realizar el parseo del HTML que recibimos. Creamos una `lista` vacía llamada `scraped_data` para almacenar nuestros datos extraídos. Encontramos todos los elementos `ul` de la página. A continuación, extraemos los elementos `li` de cada `ul` que encontramos. Sin embargo, hay un problema. El texto de cada elemento de la lista está anidado dentro de varios elementos `div`. La matriz real que extraemos contiene un montón de repeticiones. Para solucionar esto, extraemos los elementos `3`, `6`, `8` y `11` y los `añadimos (append())` a `scraped_data`. Nuestra función **`scrape_page()`** se encuentra en el fragmento de código siguiente. ```none def scrape_page(endpoint: str): response = requests.get(f"https://google.com/finance/markets/{endpoint}") soup = BeautifulSoup(response.text, "html.parser") tables = soup.find_all("ul") scraped_data = [] for table in tables: list_elements = table.find_all("li") for list_element in list_elements: divs = list_element.find_all("div") asset = { "ticker": divs[3].text, "name": divs[6].text, "currency": divs[8].text[0] if endpoint != "cryptocurrencies" else "n/a", "price": divs[8].text, "change": divs[11].text } scraped_data.append(asset) write_to_csv(scraped_data, endpoint) ``` - Realizamos nuestra solicitud GET a este punto final: `requests.get(f"https://google.com/finance/markets/{endpoint}")`. - Utilizamos el analizador HTML de BeuatifulSoup en nuestra `respuesta`: `soup = BeautifulSoup(response.text, "html.parser")`. - Buscamos todas las tablas de la página: `tables = soup.find_all("ul")`. - `scraped_data = []` nos da una matriz para almacenar nuestros resultados. - Iteramos a través de cada una de las tablas que encontramos y hacemos lo siguiente: - Buscamos todos los elementos de la lista: `table.find_all("li")`. - Iteramos por cada uno de los elementos de la lista y encontramos sus elementos `div`. Esto devuelve una lista llamada `divs`. - Extraemos el texto de los elementos 3, 6, 8 y 11 de `divs` y creamos un `diccionario` a partir de él. - Añadimos el `diccionario` a nuestro `scraped_data`. - Las criptomonedas se cotizan por su par comercial, por lo que si estamos en el punto final *de las criptomonedas*, restablecemos nuestra `moneda` a `n/a`. - Una vez que hayamos terminado el parseo de la página, guardamos nuestros `scrape_data` en un CSV: `write_to_csv(scraped_data, endpoint)`. Pasamos nuestro punto final como nombre de archivo. ### [](#Scrape-Google-Finance-Data)Rastrear datos de Google Finance Podemos poner nuestras funciones de arriba en un script para que todo funcione. Además de esas funciones, añadimos una lista de `puntos finales`. También añadimos un `main` para mantener nuestro tiempo de ejecución. ¡No dudes en copiar y pegar el código siguiente y probarlo! ```none import requests from bs4 import BeautifulSoup import csv from pathlib import Path endpoints = ["gainers", "losers", "indexes", "most-active", "cryptocurrencies"] def write_to_csv(data, filename): if type(data) != list: data = [data] print("Writing to CSV...") filename = f"google-finance-{filename}.csv" mode = "w" if Path(filename).exists(): mode = "a" print("Writing data to CSV File...") with open(filename, mode) as file: writer = csv.DictWriter(file, fieldnames=data[0].keys()) if mode == "w": writer.writeheader() writer.writerows(data) print(f"Se ha escrito correctamente {filename} en CSV...") def scrape_page(endpoint: str): response = requests.get(f"https://google.com/finance/markets/{endpoint}") soup = BeautifulSoup(response.text, "html.parser") tables = soup.find_all("ul") scraped_data = [] for table in tables: list_elements = table.find_all("li") for list_element in list_elements: divs = list_element.find_all("div") asset = { "ticker": divs[3].text, "name": divs[6].text, "currency": divs[8].text[0] if endpoint != "cryptocurrencies" else "n/a", "price": divs[8].text, "change": divs[11].text } scraped_data.append(asset) write_to_csv(scraped_data, endpoint) if __name__ == "__main__": for endpoint in endpoints: print("---------------------") scrape_page(endpoint) ``` Cuando ejecutamos el código anterior, obtenemos el siguiente resultado. ```none --------------------- Escribiendo en CSV... Escribiendo datos en el archivo CSV... Se ha escrito correctamente google-finance-gainers.csv en CSV... --------------------- Escribiendo en CSV... Escribiendo datos en el archivo CSV... Se ha escrito correctamente google-finance-losers.csv en CSV... --------------------- Escribiendo en CSV... Escribiendo datos en el archivo CSV... Se ha escrito correctamente google-finance-indexes.csv en CSV... --------------------- Escribiendo en CSV... Escribiendo datos en el archivo CSV... Se ha escrito correctamente google-finance-most-active.csv en CSV... --------------------- Escribiendo en CSV... Escribiendo datos en el archivo CSV... Se ha escrito correctamente google-finance-cryptocurrencies.csv en CSV... ``` Si ejecuta el script con VSCode, podrá ver cómo aparecen los archivos CSV a medida que el Scraper completa su trabajo. Están resaltados en la captura de pantalla siguiente. ![The CSV files on VSCode](https://media.brightdata.es/2024/12/image-19.png)También mostraremos una captura de pantalla de cómo se ve cada uno en [ONLYOFFICE](https://www.onlyoffice.com/spreadsheet-editor.aspx?docs=download). **Más activos** ![Most active CSV](https://media.brightdata.es/2024/12/image-20.png)**Pérdidas** ![Losers CSV](https://media.brightdata.es/2024/12/image-21.png)**Índices** ![Indexes CSV](https://media.brightdata.es/2024/12/image-22.png)**Ganadores** ![Gainers CSV](https://media.brightdata.es/2024/12/image-23.png)**Criptomonedas** ![Crypto CSV](https://media.brightdata.es/2024/12/image-24.png)### [](#Advanced-Techniques)Técnicas avanzadas #### [](#Handling-Pagination)Manejo de la paginación Tradicionalmente, la paginación se gestiona utilizando números. En Google Finance, utilizamos nuestra matriz `de puntos finales` para gestionar la paginación. Cada elemento de nuestra lista de puntos finales representa una página individual que deseamos extraer. Echa un vistazo a esta lista de nuevo. Lee más aquí sobre [cómo gestionar la paginación durante el Scraping web](/blog/web-data/pagination-web-scraping). ```none endpoints = ["ganadores", "perdedores", "índices", "más activos", "criptomonedas"] ``` Ahora, veamos cómo se utiliza. Con la paginación tradicional, tendrías un punto final o un parámetro de consulta al que pasarías un número. Sin embargo, con este Scraper, pasamos el punto final de cada página a nuestra URL base. ```none response = requests.get(f"https://google.com/finance/markets/{endpoint}") ``` #### [](#Mitigate-Blocking)Mitigar el bloqueo Durante nuestras pruebas, no encontramos ningún problema de bloqueo. Sin embargo, este mundo no es perfecto y es posible que te encuentres con ellos en el futuro. Hay una variedad de tácticas que puedes utilizar para superar cualquier bloqueo con el que te puedas encontrar. **Agentes de usuario falsos** Cuando se realiza una solicitud a un sitio web (ya sea con un navegador o con Python Requests), el cliente HTTP envía una cadena de agente de usuario al servidor del sitio. Esta se utiliza para identificar la aplicación que realiza la solicitud. Para establecer un agente de usuario falso en Python, creamos una cadena de agente de usuario. A continuación, la añadimos a nuestros encabezados. ```none USER_AGENT = "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/131.0.0.0 Safari/537.36" headers = { "User-Agent": USER_AGENT } response = requests.get(f"https://google.com/finance/markets/{endpoint}", headers=headers) ``` **Solicitudes temporizadas** Sincronizar nuestras solicitudes puede ser muy útil. Si algo solicita 200 páginas por minuto, es probable que no sea humano. Para superar la limitación de velocidad y parecer más humanos, podemos indicarle al Scraper que espere entre solicitudes. De esta forma, nuestra actividad de navegación parecerá mucho más normal. Primero, debes importar `sleep` desde `time`. ```none from time import sleep ``` A continuación, duerme durante un tiempo arbitrario entre solicitudes. Esto ralentizará tu Scraper y hará que parezca más humano. ```none response = requests.get(f"https://google.com/finance/markets/{endpoint}") sleep(5) ``` --- ## [](#Consider-Using-Bright-Data)Considera el uso de Bright Data El scraping web puede suponer mucho trabajo. Bright Data es uno de [los mejores proveedores de conjuntos de datos](/blog/web-data/best-dataset-websites). Con nuestros conjuntos de datos, el scraping ya está hecho y usted ya tiene los informes. Lo único que tiene que hacer es descargarlos. Entendemos que el scraping web no es para todo el mundo y que algunas personas simplemente quieren obtener sus datos y utilizarlos. No tenemos un conjunto de datos de Google Finance, pero sí tenemos uno de Yahoo Finance. Yahoo Finance ofrece una gama más amplia de datos financieros y puede satisfacer fácilmente sus necesidades de Google Finance. A continuación le mostramos cómo adquirir este conjunto de datos. ### [](#Creating-An-Account)Crear una cuenta En primer lugar, debe crear una cuenta. Diríjase a nuestra página de registro y cree una cuenta. ![Creating a new Bright Data account ](https://media.brightdata.es/2024/12/image-25.png)### [](#Downloading-Bright-Data-Datasets)Descargar Conjuntos de datos de Bright Data A continuación, vaya a nuestra página de Conjuntos de datos financieros. Busque el [conjunto de datos de Yahoo Finance](/products/datasets/yahoo-finance). Haga clic en el botón *Ver conjunto de datos*. ![Searching the dataset marketplace](https://media.brightdata.es/2024/12/image-26.png)Una vez que esté viendo el conjunto de datos, tendrá varias opciones. Puede descargar un conjunto de datos de muestra o puede comprar el conjunto de datos. Cuesta 0,0025 $ por registro, con una compra mínima de 500 $. Si desea el conjunto de datos, haga clic en *«Continuar con la compra»* y siga el proceso de pago. ![Viewing the dataset you chose](https://media.brightdata.es/2024/12/image-27.png)**Con nuestros conjuntos de datos prefabricados, el scraping ya está hecho. ¡Solo tiene que obtener sus datos y seguir con su día!** ## [](#Conclusion)Conclusión ¡Lo ha conseguido! Los datos agregados son una herramienta muy valiosa para personas de todo el mundo. Ahora ya sabe cómo extraerlos de Google Finance y también sabe cómo obtenerlos de nuestro conjunto de datos de Yahoo Finance. A estas alturas, ya debería saber cómo crear un Scraper básico utilizando Python Requests y BeautifulSoup. Debería saber cómo utilizar el método `find_all()` al [realizar el parseo de objetos de página con BeautifulSoup](/faqs/beautifulsoup/parse-html). También hemos repasado algunos de los métodos más avanzados, como el manejo de la paginación con puntos finales y las técnicas de mitigación de bloqueos. Aprovecha estos conocimientos y crea un Scraper o ahorra tiempo y trabajo descargando uno de [nuestros Conjuntos de datos listos para usar](/products/datasets). Regístrate ahora y comienza hoy mismo tu prueba gratuita, que incluye muestras gratuitas de Conjuntos de datos. Contactar ventasPrueba gratuita![google social icon](/wp-content/themes/brightdata/assets/images/ic_google.svg) Tabla de Contenidos [ ](https://news.ycombinator.com/submitlink?t=C%C3%B3mo+extraer+datos+de+Google+Finance+con+Python&u=https://brightdata.es/blog/datos-web/how-to-scrape-google-finance) [ ](https://www.linkedin.com/shareArticle?mini=true&title=C%C3%B3mo+extraer+datos+de+Google+Finance+con+Python&url=https://brightdata.es/blog/datos-web/how-to-scrape-google-finance) [ ](http://www.reddit.com/submit?title=C%C3%B3mo+extraer+datos+de+Google+Finance+con+Python&url=https://brightdata.es/blog/datos-web/how-to-scrape-google-finance) ## 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)