# Proooxy — Datos web listos para RAG para agentes de IA y LLM > Datos web estructurados y listos para RAG para agentes de IA, pipelines de recuperación y LLMs. Richard Feng crea actores de Apify de nivel de producción para e-commerce, informes SEC/EDGAR, gasto federal, sentencias judiciales, ensayos clínicos, empleo y datos de empleadores, leads B2B de tiendas, anuncios de Google de la competencia y datos sociales y de vídeo: evasión anti-bot, JSON limpio con esquema consistente y sin claves API para datos públicos. Richard Feng es un ingeniero de web scraping independiente que convierte la web abierta en datos estructurados limpios y listos para RAG para agentes de IA, pipelines de recuperación y LLMs. Construye Apify Actors de nivel de producción en cinco áreas: e-commerce y retail, datos públicos y financieros (informes SEC EDGAR y XBRL, adjudicaciones federales de USAspending.gov, sentencias judiciales de CourtListener, estudios de ClinicalTrials.gov), datos de empresas, empleo y leads (empleos y empleadores de Indeed, leads de tiendas Shopify, anuncios de Google de la competencia, ubicaciones de buzones virtuales), social y medios (Bluesky, subtítulos/transcripciones de YouTube y TikTok), y utilidades para desarrolladores/SEO. Cada actor genera JSON con esquema consistente, pensado para fundamentación y recuperación — la mayoría de los actores de datos públicos no requieren clave API — con evasión anti-bot (Cloudflare, Akamai) y soporte de proxy residencial cuando es necesario, y precios de pago por evento. **Ideal para:** fundamentar agentes de IA y sistemas RAG con datos web actualizados, construir datasets de entrenamiento/evaluación para LLM, inteligencia de mercado y competitiva, y pipelines de datos alternativos. ## Datos rápidos - **Sitio:** https://proooxy.com/es/ - **Autor:** Richard Feng (p8p9cmk96@mozmail.com) - **GitHub:** https://github.com/autofacts - **Apify Store:** https://apify.com/autofacts - **Número de herramientas:** 23 - **Stack:** Python (Crawlee, curl_cffi, Parsel) y TypeScript (Apify SDK, Crawlee, Cheerio) - **Hosting:** Nube de Apify — precios de pago por evento, nivel gratuito disponible ## Herramientas ### [Google Ads Scraper — Search, YouTube y Shopping Ads](https://proooxy.com/es/tools/google-ads-scraper/) Cada anuncio que un competidor publica en Google — Search, YouTube, Shopping, Maps y Play — encontrado por dominio, anunciante o marca, con los días que se mostró cada anuncio, los países a los que llegó y, en la UE, sus impresiones y la segmentación de audiencia. - Mercados: Global - Stack: TypeScript - Apify: https://apify.com/autofacts/google-ads-scraper ### [Scraper de ASOS — Precios, stock por talla, reseñas y categorías](https://proooxy.com/es/tools/asos-scraper/) Extrae productos y categorías de ASOS en 12 tiendas: precios con PVP y precio más bajo de 30 días, stock de cada talla, códigos EAN, variantes de color y talla, imágenes y vídeos de pasarela, valoraciones, reseñas y guardados. - Mercados: Reino Unido, EE. UU., Francia, Alemania, España, Italia, Países Bajos, Polonia, Suecia, Dinamarca, Australia, Rusia - Stack: TypeScript, Crawlee - Apify: https://apify.com/autofacts/asos ### [Scraper de transcripciones y subtítulos de TikTok — JSON, SRT, VTT, LLM](https://proooxy.com/es/tools/tiktok-transcript-scraper/) Extrae subtítulos y transcripciones de TikTok desde URL de vídeos, enlaces cortos o un perfil @ completo, en JSON, SRT, VTT, texto plano o texto listo para un LLM. Subtítulos nativos: sin Whisper, sin clave de API y unos dos segundos por vídeo. - Mercados: Global - Stack: TypeScript - Apify: https://apify.com/autofacts/tiktok-subtitle-transcript-scraper ### [Scraper de WooCommerce — productos, precios, stock y reseñas](https://proooxy.com/es/tools/woocommerce-scraper/) Extrae productos, variaciones, categorías y reseñas de clientes de cualquier tienda WooCommerce. Dale un dominio y encuentra el catálogo, incluso cuando la tienda tiene su API JSON desactivada. - Mercados: Global - Stack: TypeScript, Cheerio - Apify: https://apify.com/autofacts/woocommerce-scraper ### [Anytime Mailbox Scraper — Buzones Virtuales y Registro CMRA](https://proooxy.com/es/tools/anytime-mailbox-scraper/) Rastrea todas las ubicaciones de buzones virtuales de Anytime Mailbox en el mundo (dirección, operador del centro de correo y precio inicial) con cada dirección verificada en Smarty para entregabilidad, condición CMRA, condado y geocodificación. - Mercados: Estados Unidos, Global - Stack: TypeScript, Crawlee - Apify: https://apify.com/autofacts/anytime-mailbox-scraper-virtual-mailbox-locations-cmra ### [Indeed Scraper — Empleos, Empresas, Reseñas y Salarios](https://proooxy.com/es/tools/indeed-scraper/) Extrae ofertas de Indeed con descripciones completas y salarios analizados, y en la misma ejecución las empresas que las publican: perfiles, reseñas de empleados, tablas salariales y preguntas y respuestas, unidos por el id de empleador de Indeed. 62 dominios de país, sin necesidad de iniciar sesión. - Mercados: Global - Stack: TypeScript, Crawlee - Apify: https://apify.com/autofacts/indeed-jobs-scraper-companies-reviews-salaries ### [Shopify Store Leads — Tamaño de Catálogo, Apps y Contactos](https://proooxy.com/es/tools/shopify-store-leads/) Leads de tiendas Shopify con los datos que los cualifican: número de productos, banda de precios, tema, apps instaladas, ritmo de publicación y contactos comerciales. Descubre tiendas nuevas por filtro o enriquece los dominios que ya tienes. - Mercados: Global - Stack: TypeScript, Cheerio - Apify: https://apify.com/autofacts/shopify-store-leads ### [Talabat Mart Scraper — Precios y SKU de Supermercado en Dubái](https://proooxy.com/es/tools/talabat-mart-scraper/) Extrae SKU, precios, códigos de barras y stock real de supermercado q-commerce desde las dark stores de Talabat Mart en Dubái: 153 zonas de reparto, EAN/UPC en cada artículo y un esquema de producto normalizado. - Mercados: EAU - Stack: TypeScript - Apify: https://apify.com/autofacts/talabat-mart-grocery-scraper ### [Scraper de Macy's — Productos, precios, SKUs y noticias](https://proooxy.com/es/tools/macys-scraper/) Extrae datos de producto de Macy's — precios, variantes, códigos de barras SKU/UPC, imágenes, valoraciones y reseñas — además de noticias de Macy's Inc., desde URLs de búsqueda, categoría, tendencias y producto. Sin navegador. - Mercados: Estados Unidos - Stack: TypeScript, Crawlee, Cheerio - Apify: https://apify.com/autofacts/macy-s-scraper ### [Scraper de Bluesky — Posts, perfiles, feeds e interacciones](https://proooxy.com/es/tools/bluesky-scraper/) Extrae posts, perfiles, seguidores, feeds, hilos, likes y reposts de Bluesky vía AT Protocol — además de resultados de búsqueda y hashtags autenticados con una contraseña de aplicación. JSON limpio y normalizado. - Mercados: Global - Stack: TypeScript, AT Protocol - Apify: https://apify.com/autofacts/bluesky-scraper ### [Scraper de ClinicalTrials.gov — Estudios, elegibilidad y resultados](https://proooxy.com/es/tools/clinical-trials-scraper/) Busca en la API v2 oficial de ClinicalTrials.gov por condición, intervención, patrocinador, ubicación, estado o ID de NCT. Exporta registros de estudios normalizados con elegibilidad, metadatos de resultados y actualizaciones incrementales — sin clave API. - Mercados: Global - Stack: TypeScript, REST API - Apify: https://apify.com/autofacts/clinical-trials-scraper ### [Scraper de CourtListener — Sentencias, expedientes y texto completo](https://proooxy.com/es/tools/courtlistener-scraper/) Consulta CourtListener para obtener sentencias judiciales de EE. UU., expedientes RECAP, argumentos orales, jueces y citas — con el texto completo de las sentencias y fragmentos listos para RAG. Filtra por tribunal, fecha o palabra clave. - Mercados: Estados Unidos - Stack: TypeScript, Cheerio - Apify: https://apify.com/autofacts/courtlistener-scraper ### [Scraper de SEC EDGAR — Informes, texto completo y datos financieros XBRL](https://proooxy.com/es/tools/sec-edgar-scraper/) Extrae metadatos de informes de SEC EDGAR, secciones de texto completo de 10-K/10-Q, resultados de búsqueda de texto completo de EDGAR y datos financieros XBRL como JSON limpio y listo para RAG. No requiere clave API. - Mercados: Estados Unidos - Stack: TypeScript, Cheerio - Apify: https://apify.com/autofacts/sec-edgar-scraper ### [Scraper de subtítulos y transcripciones de YouTube — JSON, SRT, VTT, LLM](https://proooxy.com/es/tools/youtube-transcript-scraper/) Extrae subtítulos y transcripciones de YouTube de vídeos, Shorts, listas de reproducción y canales en JSON, SRT, VTT, texto plano o texto limpio listo para LLM. Más de 100 idiomas, metadatos completos, sin clave API — y las extracciones fallidas son gratis. - Mercados: Global - Stack: TypeScript - Apify: https://apify.com/autofacts/youtube-subtitle-transcript-scraper ### [Scraper de USAspending.gov — Adjudicaciones federales, beneficiarios y agregados](https://proooxy.com/es/tools/usaspending-scraper/) Consulta la API v2 oficial de USAspending.gov para contratos, subvenciones y préstamos federales. Filtra por agencia, beneficiario, NAICS/PSC o fecha, y obtén perfiles de beneficiarios, totales por categoría y agregados geográficos por estado/condado/distrito. Sin clave API. - Mercados: Estados Unidos - Stack: TypeScript, REST API - Apify: https://apify.com/autofacts/usaspending-scraper ### [Scraper de Sephora (Global)](https://proooxy.com/es/tools/sephora-scraper/) Apify Actor que extrae datos completos de producto de Sephora — variantes, precios, imágenes, ingredientes y reseñas — de tiendas de Sephora en EE. UU., Canadá, 9 mercados de la UE, 6 mercados de Oriente Medio, el Reino Unido, India y 10 mercados de Asia-Pacífico, en un único esquema normalizado. - Mercados: Estados Unidos, Canadá, Francia, Italia, Alemania, España, Polonia, Chequia, Grecia, Rumanía, Portugal, Emiratos Árabes Unidos, Arabia Saudita, Baréin, Omán, Kuwait, Catar, Reino Unido, India, Nueva Zelanda, Australia, Singapur, Malasia, Tailandia, Indonesia, Filipinas, Hong Kong, Taiwán, Brunéi - Stack: Python, Crawlee - Apify: https://apify.com/autofacts/sephora ### [Scraper de Boohoo — Datos de producto en 7 regiones](https://proooxy.com/es/tools/boohoo-scraper/) Extrae datos de producto de las tiendas de e-commerce de Boohoo en 7 regiones, con paginación automática, filtrado por facetas y soporte multidivisa. - Mercados: Países Bajos, Suecia, Reino Unido, Irlanda, Francia, Australia, Estados Unidos - Stack: TypeScript, Cheerio - Apify: https://apify.com/autofacts/boohoo-scraper ### [Scraper de Farfetch — Datos de producto de moda de lujo](https://proooxy.com/es/tools/farfetch-scraper/) Extrae datos de producto de moda de lujo de Farfetch, incluidos precios multidivisa, variaciones de talla/ajuste y recomendaciones de producto. - Mercados: Global - Stack: TypeScript, Cheerio, Crawlee - Apify: https://apify.com/autofacts/farfetch ### [Scraper de Lululemon — Productos, variantes y precios](https://proooxy.com/es/tools/lululemon-scraper/) Rastrea y extrae detalles de producto de Lululemon, incluidos datos de variantes, opciones de color, galerías multimedia e información de precios. - Mercados: Estados Unidos - Stack: TypeScript, Crawlee - Apify: https://apify.com/autofacts/lululemon-scraper ### [Scraper de Schema Markup y auditor SEO](https://proooxy.com/es/tools/schema-markup-scraper/) Extrae JSON-LD, Microdata, RDFa, Open Graph y Twitter Cards de cualquier URL, con un sistema de puntuación de auditoría SEO integral. - Mercados: Global - Stack: TypeScript, Crawlee - Apify: https://apify.com/autofacts/metadata-scraper ### [Scraper de Shopify — Datos de producto de cualquier tienda](https://proooxy.com/es/tools/shopify-scraper/) Herramienta de nivel profesional para extraer datos de producto de alta fidelidad de cualquier tienda basada en Shopify, incluyendo colecciones, búsqueda y recomendaciones de producto. - Mercados: Global - Stack: TypeScript, Cheerio - Apify: https://apify.com/autofacts/shopify ### [Scraper de Ulta Beauty — Productos, precios y SKUs](https://proooxy.com/es/tools/ulta-scraper/) Extrae detalles de producto, precios, imágenes e información de SKU de Ulta Beauty, incluyendo páginas de categoría, páginas de marca y secciones de rebajas. - Mercados: Estados Unidos - Stack: TypeScript, Crawlee - Apify: https://apify.com/autofacts/ulta-scraper ### [Universal Web Printer — URL y HTML a PDF, imagen](https://proooxy.com/es/tools/web-printer/) Convierte cualquier URL o HTML a PDF, PNG, JPEG o WebP con unión inteligente por desplazamiento (scroll-stitch), extracción de elementos, cifrado de PDF y marcas de agua. - Mercados: Global - Stack: TypeScript, Playwright, PDF-lib, Sharp - Apify: https://apify.com/autofacts/universal-web-printer ## Blog - [Buenas prácticas de web scraping en 2026: guía de un profesional](https://proooxy.com/es/blog/web-scraping-best-practices-2026/) — Estrategias de web scraping probadas en batalla, extraídas de scrapers de producción en funcionamiento — patrones de arquitectura, manejo de errores, gestión de proxies y normalización de la salida. - [Entendiendo la protección anti-bot: qué funciona en 2026](https://proooxy.com/es/blog/bypassing-anti-bot-protection-guide/) — Un análisis técnico en profundidad de los sistemas anti-bot modernos — Cloudflare, Akamai, Datadome — y las técnicas legítimas de evasión usadas en scraping de producción. ## Mapa del sitio - [Sobre Richard Feng](https://proooxy.com/es/about/) — trayectoria, experiencia, servicios - [Contacto](https://proooxy.com/es/contact/) — para proyectos de scraper a medida / DaaS - [Apify Store](https://apify.com/autofacts) — prueba cualquier herramienta gratis - [GitHub](https://github.com/autofacts) — código fuente de proyectos seleccionados - [Contenido completo en texto plano](https://proooxy.com/es/llms-full.txt) — todas las páginas concatenadas para ventanas de contexto de IA