Proxies para web scraping, pagados con criptomonedas y sin KYC

¿Proxies residenciales o móviles para web scraping?

Usa proxies residenciales para casi todo el scraping. Cuestan menos por GB, rotan por conexión y permiten segmentar por país y ciudad. Reserva proxies móviles 4G/5G para los pocos objetivos móviles que bloquean IPs domésticas.

Ningún proxy garantiza acceso. La investigación de Proxyway 2026 midió un 99.28% de éxito medio en infraestructura para pools residenciales, pero solo 74.43% en objetivos reales como Amazon, Google e Instagram. La tasa de solicitudes, encabezados y lógica de reintentos importan tanto como la IP.

¿Rotativos o sesiones persistentes para scraping?

Rota para páginas independientes, usa sesiones persistentes para flujos. Un crawler que accede a miles de páginas de productos no relacionadas debe obtener una nueva salida por conexión: sin ID de sesión en el usuario. Un flujo que debe parecer un solo visitante, como resultados paginados o un carrito, necesita sesión persistente: añade -session-{id}-ttl-{minutes} y reutiliza el ID.

Recuerda que la rotación es por conexión. Un requests.Session mantiene viva su conexión HTTPS, por lo que permanece en una salida hasta que esa conexión se cierra.

¿Cuántas solicitudes puedo ejecutar en paralelo?

Comienza con poca concurrencia y aumenta la concurrencia por objetivo mientras la tasa de errores se mantenga estable. El número adecuado depende mucho más del sitio objetivo que del proxy. Una configuración práctica:

• Concurrencia: comienza con pocas conexiones paralelas por dominio y luego aumenta paso a paso.
• Reintentos: reintenta en 403, 429 y 5xx con retroceso exponencial; un reintento en una nueva conexión también obtiene una nueva IP de salida.
• Ritmo: respeta los encabezados Retry-After y las indicaciones de crawl-delay; un rastreo más lento que se completa es mejor que uno rápido que es bloqueado.
• Subusuarios: da a cada scraper sus propias credenciales y límite de tráfico, para que un trabajo descontrolado no agote el saldo.

¿Cómo hago scraping con Python requests?

La función a continuación obtiene una URL a través de un proxy residencial con salida en Kenia, reintenta con retroceso exponencial e identifica honestamente al crawler en su User-Agent. Más patrones (httpx, aiohttp, SOCKS5) están en la guía de proxy para Python.

import random
import time
import requests

GATEWAY = "gw.namelessproxy.com:7777"
USERNAME, PASSWORD = "USERNAME", "PASSWORD"
RETRY_CODES = {403, 429, 500, 502, 503, 504}
HEADERS = {"User-Agent": "PriceResearchBot/1.0 (+https://example.com/bot)"}

def fetch(url, country="ke", tries=4):
    proxy = f"http://{USERNAME}-country-{country}:{PASSWORD}@{GATEWAY}"
    for attempt in range(tries):
        try:
            r = requests.get(url, proxies={"http": proxy, "https": proxy},
                             headers=HEADERS, timeout=30)
            if r.status_code not in RETRY_CODES:
                return r
            ra = r.headers.get("Retry-After", "")
            wait = int(ra) if ra.isdigit() else 0
        except requests.RequestException:
            wait = 0
        # New connection on retry = new exit IP
        time.sleep(max(wait, 2 ** attempt + random.random()))
    raise RuntimeError(f"giving up on {url}")

print(fetch("https://example.com/").status_code)

¿Cómo configuro Scrapy con proxies rotativos?

Agrega un pequeño middleware de descarga que escriba la URL del proxy en request.meta; el middleware de proxy incorporado de Scrapy envía luego las credenciales. Las solicitudes que comparten un valor session en su meta mantienen la misma IP de salida.

# middlewares.py
GATEWAY = "gw.namelessproxy.com:7777"
USERNAME, PASSWORD = "USERNAME", "PASSWORD"

class NamelessProxyMiddleware:
    def process_request(self, request, spider):
        user = f"{USERNAME}-country-{request.meta.get('country', 'eg')}"
        session = request.meta.get("session")  # same value = same exit IP
        if session:
            user += f"-session-{session}-ttl-10"
        request.meta["proxy"] = f"http://{user}:{PASSWORD}@{GATEWAY}"

# settings.py
ROBOTSTXT_OBEY = True
CONCURRENT_REQUESTS_PER_DOMAIN = 4
AUTOTHROTTLE_ENABLED = True
RETRY_TIMES = 3
RETRY_HTTP_CODES = [403, 429, 500, 502, 503, 504]
DOWNLOADER_MIDDLEWARES = {
    "myproject.middlewares.NamelessProxyMiddleware": 350,  # runs before HttpProxyMiddleware (750)
}

¿Cuánto tráfico consume el scraping?

Mide el tamaño promedio de respuesta y luego divide. El tráfico se factura en GB decimales, así que si una página promedio pesa 500 KB, 1 GB cubre unas 2,000 páginas; a 100 KB cubre unas 10,000. Solicitar endpoints JSON en lugar de páginas completas, y bloquear imágenes y fuentes en navegadores headless, reduce aún más el uso.

Prueba un objetivo con el pack 1 GB primero, luego compra un pack más grande: los precios bajan a 0,53 US$/GB en el pack 1 TB, y el tráfico no usado nunca caduca. Todos los niveles están en la página de precios.

¿Es legal el web scraping?

Depende de los datos, el método y el país; esto no es asesoría legal. Los tribunales de EE.UU. han tenido resultados distintos según la demanda (contrato, ley de acceso a computadoras o copyright/DMCA):

• hiQ vs. LinkedIn: en abril de 2022 el Noveno Circuito determinó que extraer datos públicos probablemente no era acceso "sin autorización" bajo la CFAA. En noviembre de 2022 un tribunal de distrito aún encontró que hiQ había violado el Acuerdo de Usuario de LinkedIn.
• Meta vs. Bright Data: en enero de 2024 un juez federal dictaminó que los términos de Meta no prohibían el scraping de datos públicos sin iniciar sesión. El fallo cubrió solo la demanda contractual.
• Google vs. SerpApi: Google alegó evasión del DMCA en diciembre de 2025. El 20 de julio de 2026, el tribunal desestimó las demandas DMCA sobre resultados de búsqueda ordinarios, con permiso para enmendar solo en una teoría más limitada.
• Reddit vs. SerpApi y Perplexity: el 31 de julio de 2026, la mayoría de las demandas sobrevivieron a una moción para desestimar. Eso es un fallo en etapa de alegatos, no una determinación de responsabilidad.

Los datos personales requieren cuidado extra. Bajo el GDPR, datos personales incluyen nombres, datos de ubicación e identificadores en línea, incluso en páginas públicas, y deben limitarse a lo necesario para el propósito.