68 lines
2.9 KiB
Markdown
68 lines
2.9 KiB
Markdown
# 📌 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)](./docs/01-wsl2-n8n.md) | Configurar Ubuntu y n8n en Windows mediante WSL2 |
|
|
| 2 | [☁️ Instalación en Google Cloud VM](./docs/02-gcloud-vm-n8n.md) | Crear una VM en GCP e instalar n8n |
|
|
| 3 | [🔐 Habilitar HTTPS en Google Cloud](./docs/03-https-nginx.md) | Configurar Nginx + Certbot para SSL en producción |
|
|
| 4 | [🕷️ Instalación de Crawl4AI en Ubuntu](./docs/04-crawl4ai-ubuntu.md) | Instalar y configurar Crawl4AI como motor de scraping |
|
|
| 5 | [📋 Documento del Proyecto](./docs/05-proyecto-website-craw-css.md) | 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
|
|
```
|