El script recopila el catálogo de un sitio en Excel: nombre, precio, enlace, disponibilidad y cualquier campo que describas en la configuración. Incluye recorrido de paginación, pausas entre solicitudes y reintentos en caso de error.

En el archivo:

• parser.py: recopilación por selectores CSS de la configuración, recorrido de páginas, escritura en .xlsx;

• selectors.json: campos y selectores, se cambian sin editar el código;

• requirements.txt: requests, beautifulsoup4, lxml, openpyxl;

• README.md: instalación, configuración para un sitio nuevo, ejecución programada;

• sample.xlsx y la página de prueba fixture/: comprobación «lista para usar».

Qué se configura en selectors.json: la dirección del catálogo, el selector de la tarjeta de producto, el enlace a la página siguiente, la lista de campos (texto del elemento, enlace o atributo de la tarjeta) y los parámetros de cortesía: pausa entre solicitudes, número de reintentos, tiempo de espera y límite de páginas.

La exportación resultante se abre en Excel, Google Sheets y LibreOffice; las columnas siguen el orden en que se describen en la configuración.

Sirve para monitorizar los precios de la competencia y recopilar el catálogo y las existencias de páginas abiertas.

Requisitos: Python 3.10+. No se admiten sitios con captcha, autenticación ni renderizado JS: solo páginas estáticas abiertas.

Comprobado: Python 3.12; la ejecución sobre un catálogo de prueba genera un .xlsx correcto (5 columnas, 5 productos); el archivo sample.xlsx está incluido en el paquete.

Programación: Programador de tareas de Windows o cron, comandos listos en el README.

Soporte: te ayudaré a configurar los selectores para tu sitio en el chat de la plataforma (incluido en el precio para un sitio).FAQ. ¿Hace falta un programador? No, un sitio nuevo se configura en selectors.json sin editar el código. ¿Qué campos se pueden recopilar? Cualquiera: texto del elemento, enlace href, atributo de la tarjeta; el orden de las columnas coincide con el de la configuración. Sitios dinámicos: no se admiten, solo páginas estáticas abiertas, sin login ni captcha. Carga: la pausa, el número de reintentos y el límite de páginas se definen en options; respeta el robots.txt. Resultado: .xlsx, se abre en Excel, Google Sheets y LibreOffice; programación mediante el Programador de tareas de Windows o cron.

Las preguntas sobre la configuración de selectores para tu sitio, en el chat de la plataforma; respondo el mismo día.