` que contiene: 1. Un elemento `

` con un `` que representa la imagen de la industria y un `` que contiene la URL de la página de la industria. 2. Un elemento HTML `

` que almacena el nombre de la industria en un ``. Para cada tarjeta, el objetivo del raspador de C++ es extraer: - La URL de la imagen de la industria - La URL de la página de la industria - El nombre de la industria Para definir los selectores XPath adecuados, centra tu atención en la estructura del DOM de los elementos de interés. Verás que puedes obtener todas las tarjetas industriales con el siguiente selector XPath: ```none //div[contains(@class, 'section_cases_row_col_item')] ``` Si tienes alguna duda, prueba las instrucciones de XPath en la consola del navegador con `$x()`: ![](https://media.brightdata.com/2023/05/s_6776990FE039C8E1A28F1E7FBFD04057B1476FA3238B76E106F58F360C5E72CC_1684154947978_image-1024x480.png)Si recibes una tarjeta, puedes obtener los nodos deseados con: 1. `.//figure/a/img` 2. `.//figure/a` 3. `.//div[contains(@class, 'elementor-image-box-title')]/a` Paso 7: extraer datos de una página web con libxml2 Ahora puedes usar libxml2 para aplicar los selectores XPath definidos anteriormente y obtener los datos deseados de la página web HTML de destino. Primero, necesitas una estructura de datos cuyas instancias almacenen los datos raspados: ```none struct IndustryCard { std::string image; std::string url; std::string name; }; ``` En C++, un `struct` te permite agrupar varios atributos de datos con el mismo nombre en un bloque de memoria. A continuación, inicia una matriz de `IndustryCard`s en la función `main()`: ```none std::vector industry_cards; ``` Esto almacenará todos los objetos de datos extraídos. Rellena este `vector` con la siguiente lógica de raspado web de C++: ```none // define an array to store all retrieved data std::vector industry_cards; // set the libxml2 context to the current document xmlXPathContextPtr context = xmlXPathNewContext(doc); // select all industry card HTML elements // with an XPath selector xmlXPathObjectPtr industry_card_html_elements = xmlXPathEvalExpression((xmlChar *)"//div[contains(@class, 'section_cases_row_col_item')]", context); // iterate over the list of industry card elements for (int i = 0; i < industry_card_html_elements->nodesetval->nodeNr; ++i) { // get the current element of the loop xmlNodePtr industry_card_html_element = industry_card_html_elements->nodesetval->nodeTab[i]; // set the libxml2 context to the current element // to limit the XPath selectors to its children xmlXPathSetContextNode(industry_card_html_element, context); xmlNodePtr image_html_element = xmlXPathEvalExpression((xmlChar *)".//figure/a/img", context)->nodesetval->nodeTab[0]; std::string image = std::string(reinterpret_cast(xmlGetProp(image_html_element, (xmlChar *)"data-lazy-src"))); xmlNodePtr url_html_element = xmlXPathEvalExpression((xmlChar *)".//figure/a", context)->nodesetval->nodeTab[0]; std::string url = std::string(reinterpret_cast(xmlGetProp(url_html_element, (xmlChar *)"href"))); xmlNodePtr name_html_element = xmlXPathEvalExpression((xmlChar *)".//div[contains(@class, 'elementor-image-box-title')]/a", context)->nodesetval->nodeTab[0]; std::string name = std::string(reinterpret_cast(xmlNodeGetContent(name_html_element))); // instantiate an IndustryCard struct with the collected data IndustryCard industry_card = {image, url, name}; // add the object with the scraped data to the vector industry_cards.push_back(industry_card); } // free up the resource allocated by libxml2 xmlXPathFreeObject(industry_card_html_elements); xmlXPathFreeContext(context); xmlFreeDoc(doc); ``` El segmento de código anterior selecciona las tarjetas industriales aplicando el selector XPath definido anteriormente con `xmlXPathEvalExpression()`. Después, itera sobre ellas e implementa un enfoque similar para obtener los elementos secundarios de interés de cada tarjeta. A continuación, extrae de ellas la URL de la imagen de la industria, la URL de la página y el nombre. Por último, libera los recursos asignados por libxml2. Como puedes ver, el raspado web usando C++ con libxml2 no es tan complejo. Gracias a `xmlGetProp()` y `xmlNodeGetContent()` puedes obtener el valor de un atributo HTML y el contenido de un nodo, respectivamente. Ahora que sabes cómo funciona el raspado de datos en C++, tienes las herramientas para ir un paso más allá y raspar también las páginas de la industria. Solo tienes que seguir los enlaces descubiertos aquí e idear una nueva lógica de raspado. ¡En esto consisten [el rastreo y el raspado web](https://brightdata.es/blog/datos-web/web-crawling-vs-web-scraping)! ¡Increíble! Acabas de lograr tus objetivos. Sin embargo, el tutorial aún no ha terminado. ## Paso 7: exportar los datos raspados a CSV Al final del bucle `for()`, `industry_cards` almacenará los datos raspados en instancias `struct`. Como puedes imaginar, ese no es el mejor formato para proporcionar datos a otros equipos. Esta es la razón por la que debes convertir los datos recuperados a CSV. **Puedes exportar un `vector` a un archivo CSV con funciones de C++ integradas de la siguiente manera:** ```none // initialize the CSV output file std::ofstream csv_file("output.csv"); // write the CSV header csv_file << "url,image,name" << std::endl; // poupulate the CSV output file for (IndustryCard industry_card : industry_cards) { // transfrom each industry card record to a CSV record csv_file << industry_card.url << "," << industry_card.image << "," << industry_card.name << std::endl; } // free up the file resources csv_file.close(); ``` El código anterior crea un archivo `output.csv` y lo inicia con el registro de encabezado. A continuación, itera sobre la matriz `industry_cards`, convierte cada elemento en una cadena en formato CSV y lo añade al archivo resultante. Crea tu secuencia de comandos de raspado de C++, ejecútala y verás el siguiente archivo `output.csv` en el directorio raíz de tu proyecto: ![](https://media.brightdata.com/2023/05/s_AFE13B4772D3F4335FE29C87FF7F9F7EC3D58E63BD6E7F8A7D0D66DA3F5A487A_1682525940173_image-1-1024x215.png)**¡Bien hecho! ¡Ahora sabes cómo exportar datos raspados a CSV en C++!** ## Paso 8: juntarlo todo **Aquí está todo el raspador de C++:** ```none // scraper.cpp #include #include "cpr/cpr.h" #include "libxml/HTMLparser.h" #include "libxml/xpath.h" #include // define a struct where to store the scraped data struct IndustryCard { std::string image; std::string url; std::string name; }; int main() { // define the user agent for the GET request cpr::Header headers = {{"User-Agent", "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/113.0.0.0 Safari/537.36"}}; // make an HTTP GET request to retrieve the target page cpr::Response response = cpr::Get(cpr::Url{"https://brightdata.com/"}, headers); // parse the HTML document returned by the server htmlDocPtr doc = htmlReadMemory(response.text.c_str(), response.text.length(), nullptr, nullptr, HTML_PARSE_NOWARNING | HTML_PARSE_NOERROR); // define an array to store all retrieved data std::vector industry_cards; // set the libxml2 context to the current document xmlXPathContextPtr context = xmlXPathNewContext(doc); // select all industry card HTML elements // with an XPath selector xmlXPathObjectPtr industry_card_html_elements = xmlXPathEvalExpression((xmlChar *)"//div[contains(@class, 'section_cases_row_col_item')]", context); // iterate over the list of industry card elements for (int i = 0; i < industry_card_html_elements->nodesetval->nodeNr; ++i) { // get the current element of the loop xmlNodePtr industry_card_html_element = industry_card_html_elements->nodesetval->nodeTab[i]; // set the libxml2 context to the current element // to limit the XPath selectors to its children xmlXPathSetContextNode(industry_card_html_element, context); xmlNodePtr image_html_element = xmlXPathEvalExpression((xmlChar *)".//figure/a/img", context)->nodesetval->nodeTab[0]; std::string image = std::string(reinterpret_cast(xmlGetProp(image_html_element, (xmlChar *)"data-lazy-src"))); xmlNodePtr url_html_element = xmlXPathEvalExpression((xmlChar *)".//figure/a", context)->nodesetval->nodeTab[0]; std::string url = std::string(reinterpret_cast(xmlGetProp(url_html_element, (xmlChar *)"href"))); xmlNodePtr name_html_element = xmlXPathEvalExpression((xmlChar *)".//div[contains(@class, 'elementor-image-box-title')]/a", context)->nodesetval->nodeTab[0]; std::string name = std::string(reinterpret_cast(xmlNodeGetContent(name_html_element))); // instantiate an IndustryCard struct with the collected data IndustryCard industry_card = {image, url, name}; // add the object with the scraped data to the vector industry_cards.push_back(industry_card); } // free up the resource allocated by libxml2 xmlXPathFreeObject(industry_card_html_elements); xmlXPathFreeContext(context); xmlFreeDoc(doc); // initialize the CSV output file std::ofstream csv_file("output.csv"); // write the CSV header csv_file << "url,image,name" << std::endl; // poupulate the CSV output file for (IndustryCard industry_card : industry_cards) { // transfrom each industry card record to a CSV record csv_file << industry_card.url << "," << industry_card.image << "," << industry_card.name << std::endl; } // free up the file resources csv_file.close(); return 0; } ``` **¡Ya está! ¡Con alrededor de 80 líneas de código, puedes crear una secuencia de comandos de raspado de datos en C++!** ## Conclusión En este tutorial, hemos aprendido por qué C++ es un lenguaje eficiente para el raspado web. Aunque no hay tantas bibliotecas de raspado como en otros idiomas, sí hay algunas. Y aquí tuviste la oportunidad de ver cuáles son las más populares. A continuación, analizaste cómo usar CPR y libxml2 para crear una araña en C++ que pueda recopilar datos de un objetivo real. Sin embargo, el [raspado web](/blog/procedimientos/what-is-web-scraping)conlleva muchos desafíos. De hecho, un número cada vez mayor de sitios han estado implementando tecnologías antibot y antirraspado para proteger sus datos. Estas herramientas pueden detectar las solicitudes automatizadas realizadas por tu secuencia de comandos de raspado de C++ y prohibirlas. Afortunadamente, existen muchas soluciones automatizadas para tus necesidades de recopilación de datos. Ponte en contacto con nosotros para saber cuál es la mejor solución para tu caso de uso. **¿No te interesa para nada el raspado web, pero sí los datos web?** [Echa un vistazo a nuestros conjuntos de datos listos para usar](https://brightdata.es/products/datasets). Contactar ventasPrueba gratuita![google social icon](/wp-content/themes/brightdata/assets/images/ic_google.svg) Tabla de Contenidos [ ](https://news.ycombinator.com/submitlink?t=Raspado+web+con+C%2B%2B%3A+una+gu%C3%ADa+paso+a+paso&u=https://brightdata.es/blog/procedimientos/web-scraping-in-c-plus-plus) [ ](https://www.linkedin.com/shareArticle?mini=true&title=Raspado+web+con+C%2B%2B%3A+una+gu%C3%ADa+paso+a+paso&url=https://brightdata.es/blog/procedimientos/web-scraping-in-c-plus-plus) [ ](http://www.reddit.com/submit?title=Raspado+web+con+C%2B%2B%3A+una+gu%C3%ADa+paso+a+paso&url=https://brightdata.es/blog/procedimientos/web-scraping-in-c-plus-plus) ## 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)