2.9 KiB
2.9 KiB
📌 Website Craw CSS — Documentación del Proyecto
Pipeline de scraping automatizado con Crawl4AI + n8n para extracción, procesamiento y exportación de productos desde páginas web.
🗂️ Tabla de Contenidos
| # | Categoría | Descripción |
|---|---|---|
| 1 | 🪟 Instalación local (Windows + WSL2) | Configurar Ubuntu y n8n en Windows mediante WSL2 |
| 2 | ☁️ Instalación en Google Cloud VM | Crear una VM en GCP e instalar n8n |
| 3 | 🔐 Habilitar HTTPS en Google Cloud | Configurar Nginx + Certbot para SSL en producción |
| 4 | 🕷️ Instalación de Crawl4AI en Ubuntu | Instalar y configurar Crawl4AI como motor de scraping |
| 5 | 📋 Documento del Proyecto | Arquitectura, flujo n8n, KPIs y entrega del proyecto |
🧭 Ruta de configuración recomendada
Sigue los pasos en orden según tu entorno:
┌─────────────────────────────────────────┐
│ ¿Dónde vas a correr n8n? │
└────────────┬────────────────────────────┘
│
┌───────▼──────┐ ┌──────────────────┐
│ Windows │ │ Google Cloud │
│ (Local) │ │ (Producción) │
└──────┬───────┘ └────────┬─────────┘
│ │
[Paso 1: WSL2] [Paso 2: GCloud VM]
│ │
└──────────┬──────────────┘
│
[Paso 3: HTTPS] ← Solo en producción
│
[Paso 4: Crawl4AI]
│
[Paso 5: Proyecto]
🛠️ Stack tecnológico
- n8n — Orquestador del workflow de scraping
- Crawl4AI — Motor de extracción web (Python + Playwright)
- Ubuntu 24.04 — Sistema operativo base (WSL2 o GCP)
- Nginx + Certbot — Proxy inverso y SSL para producción
- Google Sheets (opcional) — Destino final de los datos exportados
📁 Estructura de archivos
/
├── README.md ← Estás aquí
└── docs/
├── 01-wsl2-n8n.md ← Instalación local en Windows
├── 02-gcloud-vm-n8n.md ← Instalación en Google Cloud
├── 03-https-nginx.md ← HTTPS con Nginx + Certbot
├── 04-crawl4ai-ubuntu.md ← Instalación de Crawl4AI
└── 05-proyecto-website-craw-css.md ← Documento del proyecto