parsera
Librería Python ligera para web scraping asistido por LLMs. Extrae datos estructurados de sitios web usando Playwright y esquemas JSON definidos por el usuario.
Ficha actualizada 18 sept 2026, 20:26 · upstream 17 dic 2025, 10:58 · release v0.2.6
Qué es parsera
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
Parsera es una librería Python diseñada para facilitar el web scraping mediante inteligencia artificial. Permite definir qué elementos extraer (títulos, puntuaciones, comentarios) mediante un esquema JSON simple. La interfaz de programación es minimalista: instancias de Parsera se ejecutan con run() o arun() asíncrono.
Soporta múltiples entornos: scripts Python, notebooks Jupyter y línea de comandos. Requiere configuración de variables de entorno como PARSERA_API_KEY para acceder a modelos LLM externos o OPENAI_API_KEY para modelos personalizados. Incluye soporte nativo para Playwright para renderizado headless.
El proyecto está optimizado para entornos de desarrollo ligeros, con despliegue vía Docker y Compose. La complejidad es media, requiriendo 4 núcleos CPU y 8GB RAM mínimo. Ideal para automatización de extracción de datos sin backend propio.
- Extraer datos estructurados de sitios web como Hacker News con esquema JSON predefinido
- Automatizar scraping en notebooks Jupyter usando método arun asíncrono
- Ejecutar scraping desde CLI con configuración vía archivo o cadena JSON
- Usar modelos LLM personalizados para interpretar estructuras HTML complejas
- Desplegar scraping en contenedores Docker para entornos aislados y reproducibles
- Interfaz de una línea: scraper.run(url, elements)
- Soporte nativo para Playwright y navegadores headless
- Compatible con Jupyter, CLI y Docker
- Permite definir esquemas de extracción en JSON
- Documentación clara con ejemplos prácticos
- Soporta ejecución asíncrona con arun()
- Requiere API key externa (Parsersa/OpenAI) para funcionalidad completa
- No incluye backend propio; depende de servicios externos
- Configuración manual de variables de entorno para modelos personalizados
- Sin soporte explícito para scraping sin autenticación en algunos sitios
Perfil de infraestructura
Estimación inicial derivada del repositorio y de los servicios detectados.
Despliegue detectado
Qué señales reales de instalación hemos encontrado.
Instalar con pip install parsera y playwright install. Configurar PARSERA_API_KEY o OPENAI_API_KEY en entorno. Para Docker, usar imagen oficial o construir desde Dockerfile. Asegurar recursos mínimos: 4 núcleos CPU, 8GB RAM, 10GB disco.
Stack y dependencias
Componentes inferidos a partir de manifests, configuración y documentación.
Puede sustituir a
Relaciones detectadas por el análisis del repositorio y su categoría.
Experiencia real de la comunidad
Ayuda a contrastar la estimación automática con instalaciones reales.
Todavía no hay datos comunitarios para este proyecto.