ES
Empezar

Glosario

Detección y reputación

Cloudflare

Una CDN y capa de seguridad que está delante de una gran parte de la web e incluye algunas de las pruebas antibots más comunes con las que se encuentran los scrapers.

Cloudflare está delante de una parte muy grande de las webs como CDN y proxy de seguridad, así que su defensa antibots es uno de los obstáculos más comunes con los que se topa la automatización. Cuando una petición parece automatizada, Cloudflare puede interponer una prueba, una comprobación de JavaScript, un desafío gestionado o a veces un CAPTCHA, antes de llegar a la web real.

Como Cloudflare es un proxy inverso de la web, con lo que lidias es con su defensa; el servidor de origen ni interviene. Esa defensa pondera las mismas señales que cualquier sistema antibots serio: reputación de la IP, huella TLS, comportamiento del navegador. Una dirección de centro de datos recibe una prueba mucho más fácilmente que una residencial limpia.

La conclusión práctica no cambia: una dirección de confianza, una huella de navegador auténtica y un comportamiento sin prisas pasan donde cada una por separado no pasa, y para las configuraciones más duras un endpoint de scraping hecho a propósito suele ser la vía pragmática.

Lo estructural que conviene entender es que cada web configura la protección a su manera; no hay un obstáculo único y fijo. Los operadores eligen su propio nivel de seguridad, sus reglas y sus umbrales, y por eso una web detrás de Cloudflare está totalmente abierta mientras otra te pone una prueba al instante. Concluir que no puedes hacer scraping de nada detrás de Cloudflare, o que sí puedes, es generalizar a partir de un ajuste que eligió alguien.

También significa que la respuesta que recibes tiene muchos matices. Según la configuración, una petición puede servirse con normalidad, pasar una comprobación de JavaScript silenciosa que se resuelve sin que lo notes, recibir una prueba interactiva, quedar limitada o rechazarse sin más. Leer cuál de esas recibiste de verdad te dice mucho más sobre qué cambiar que tratar cualquier respuesta distinta de 200 como el mismo muro.

Una consecuencia realmente útil para quien rastrea una dirección: como actúa como proxy inverso, las direcciones que ves son suyas y no de los servidores de origen de la web. Una consulta de la IP de una web devuelve a menudo la CDN en lugar del host, algo esperado que no indica nada.

Nuestra postura honesta sobre las configuraciones más duras, ya que es la pregunta que nos hacen de verdad: una dirección residencial limpia sube tu punto de partida y no decide por sí sola el resultado, porque las comprobaciones por encima de la capa de red siguen ahí. Cuando un objetivo está configurado con suficiente agresividad, las opciones realistas son un endpoint de scraping hecho a propósito, una API oficial si existe, o aceptar que la web no quiere acceso automatizado. Vender un proxy más caro como respuesta a eso no sería cierto.

Preguntas frecuentes

¿Por qué Cloudflare bloquea mi scraper y no mi navegador?

Porque tu navegador y tu script difieren en todo menos en la dirección. La huella TLS de una librería HTTP no es la de un navegador, el orden de las cabeceras es distinto, faltan los client hints y no hay ninguna interacción humana. Todo eso se lee antes de que tu petición llegue a la web, y por eso la misma IP funciona en uno y falla en el otro.

¿Los proxies residenciales superan Cloudflare?

Eliminan uno de los motivos más fuertes para ponerte una prueba, y en webs con una configuración ligera eso suele bastar por sí solo. En las configuradas con agresividad no basta, porque las comprobaciones de huella y de comportamiento se hacen por mucha confianza que inspire tu dirección. Sube tu punto de partida sin decidir el resultado.

¿Por qué webs distintas detrás de Cloudflare se comportan de forma tan distinta?

Porque cada operador configura su propio nivel de seguridad, sus reglas y sus umbrales. Es una plataforma con ajustes, sin ser una barrera única y fija, así que una web puede estar completamente abierta y otra ser hostil al momento usando las dos el mismo producto. Prueba la web concreta en lugar de generalizar a partir de la plataforma.

¿Me bloquea Cloudflare o la web?

Normalmente el borde, aplicando reglas que eligió el operador de la web. Como es un proxy inverso, la decisión suele tomarse antes de que la aplicación de la web vea nada, y por eso un bloqueo puede ser instantáneo y el servidor de origen puede no tener ningún registro de tu petición. También explica por qué una consulta de la dirección de la web devuelve la CDN en lugar del host.

Volver al glosario completo.

HProxy.

No te fíes solo de nuestra palabra. Mídelo tú mismo.

Funciona en tu navegador contra la dirección real. Sin registro y sin guardar ninguna lista.

HProxy