Zillow Scraper GitHub: Qué funciona en 2026 (y qué se rompe)

Si buscas "zillow scraper github" ahora mismo, encontrarás . Suena prometedor, hasta que te das cuenta de que no se han actualizado en más de un año.

He dedicado mucho tiempo a revisar estos repositorios, probarlos con páginas reales de Zillow y leer los issues de GitHub y los hilos de Reddit donde los desarrolladores desahogan todo lo que se ha roto esta vez. El patrón se repite: un repositorio acumula estrellas cuando funciona por primera vez y luego muere en silencio cuando Zillow cambia su DOM, endurece su capa anti-bots o retira un endpoint interno de API. Un desarrollador frustrado en Reddit lo resumió a la perfección: “scraping projects need to be on constant maintenance due to changes on the page or api.” Este artículo es la auditoría que me habría gustado tener antes de clonar mi primer repositorio de Zillow scraper: una mirada honesta y actualizada a lo que realmente funciona en 2026, qué se rompe y por qué, y cuándo tiene más sentido saltarse por completo el laberinto de GitHub y usar una herramienta como en su lugar.

¿Qué es un proyecto de Zillow Scraper en GitHub y quién lo necesita?

Un “zillow scraper” es cualquier script o herramienta que recopila automáticamente datos de anuncios inmobiliarios del sitio de Zillow: precio, dirección, habitaciones, baños, pies cuadrados, Zestimate, estado del anuncio, días en el mercado y, a veces, datos más profundos de la página de detalle, como historial de precios o registros fiscales. La gente busca en GitHub específicamente porque quiere algo gratis, de código abierto y personalizable. Haces fork del repo, ajustas los campos y envías la salida a tu propio flujo de trabajo. En teoría, es lo mejor de ambos mundos.

Los públicos suelen estar bastante definidos:

• Inversores inmobiliarios que siguen oportunidades por códigos postales: quieren caídas de precio, diferencias con Zestimate y datos de días en el mercado para filtrar oportunidades
• Agentes que crean listas de prospección: necesitan URLs de anuncios, datos de contacto del agente y cambios en el estado del anuncio
• Analistas e investigadores de mercado que extraen comparables estructurados: dirección, precio por pie cuadrado, relación entre precio de venta y precio anunciado, conteos de inventario
• Equipos de operaciones que monitorizan precios o inventario en distintos mercados a intervalos regulares

El hilo conductor es el mismo: todos quieren datos estructurados y repetibles, no un trabajo puntual de copiar y pegar. Eso es lo que hace que el scraping sea tan atractivo. Y también es lo que vuelve tan dolorosa la carga de mantenimiento cuando un repo deja de funcionar.

Auditoría 2026 de repositorios Zillow Scraper en GitHub: lo que realmente sigue funcionando

Busqué en GitHub los repositorios de Zillow scraper con más estrellas y más forks, revisé las fechas del último commit, leí los issues abiertos y los probé con páginas reales de Zillow. La metodología es simple: si un repo puede devolver datos precisos de anuncios desde los resultados de búsqueda de Zillow o desde páginas de detalle a abril de 2026, recibe el sello de “funciona”. Si ejecuta pero devuelve datos incompletos o se bloquea tras unas pocas páginas, es “funciona parcialmente”. Si falla por completo o el mantenedor dice que está muerto, es “roto”.

La realidad es dura: la mayoría de los repositorios que parecían prometedores hace 12 a 18 meses se han roto en silencio.

Tabla comparativa seleccionada: los mejores repositorios Zillow Scraper en GitHub

El patrón es claro: el ecosistema de GitHub todavía tiene código vivo, pero la mayoría de los repositorios visibles son tutoriales, artefactos históricos o envoltorios finos de un flujo de trabajo dependiente de proxies.

Qué significan “funciona”, “roto” y “funciona parcialmente”

Quiero ser preciso con estas etiquetas porque importan más que el número de estrellas:

• Funciona: devuelve correctamente datos de anuncios desde páginas de búsqueda de Zillow y/o páginas de detalle en la fecha de prueba, sin que el mantenedor indique que el proyecto esté muerto
• Funciona parcialmente: ejecuta pero devuelve datos incompletos, se bloquea tras unas pocas páginas o solo funciona en ciertos tipos de páginas; normalmente requiere infraestructura de proxies y ajuste continuo
• Roto: no devuelve datos, lanza errores o ha sido marcado explícitamente como no funcional por el mantenedor o la comunidad

Un repo con 170 estrellas y estado “roto” es peor que uno con 10 estrellas que realmente devuelve datos. La popularidad es contexto histórico, no una señal de calidad.

Por qué se rompen los proyectos Zillow Scraper en GitHub: los 5 modos de fallo más comunes

Entender por qué se rompen los scrapers de Zillow te ahorra más tiempo que cualquier README. Si entiendes por qué se rompen, puedes construir uno más resistente o decidir que el coste de mantenimiento no compensa.

1. Reestructuración del DOM (el frontend React de Zillow)

El frontend de Zillow está construido con React y cambia con frecuencia. Los nombres de clase, la estructura de los componentes y los atributos de datos cambian sin aviso. Un scraper que hoy apunta a div.list-card-price puede descubrir mañana que esa clase ya no existe. Como señala una , en Zillow “the class names vary from page to page”.

El resultado: el script se ejecuta, devuelve campos vacíos y no te das cuenta hasta que llevas una semana recopilando huecos.

2. Cambios en la API interna y en los endpoints GraphQL

Los repositorios más listos evitan por completo el HTML y llaman a las APIs internas GraphQL o REST de Zillow. El repo , por ejemplo, usa explícitamente la API interna de Zillow y divide recursivamente los límites del mapa para saltarse los límites de resultados. Es un diseño ingenioso, pero Zillow reestructura estos endpoints periódicamente. Cuando eso ocurre, tu scraper devuelve 404 o JSON vacío sin mensaje de error.

Es una forma más sutil de rotura: el código está bien. El objetivo se movió.

3. Escalada de anti-bot y CAPTCHA

Zillow ha endurecido progresivamente su detección de bots. En mis pruebas de abril de 2026, las llamadas requests.get() simples a zillow.com y zillow.com/homes/Chicago,-IL_rb/ devolvieron incluso con un user-agent parecido al de Chrome y la cabecera Accept-Language. Los reportes de la comunidad coinciden: un usuario comentó que su flujo de API inversa empezó a devolver 403 después de unas .

Los scrapers que funcionan bien a bajo volumen pueden fallar de repente al escalar. Eso es un golpe duro cuando intentas seguir 200 anuncios en 3 códigos postales.

4. Muros de inicio de sesión para los datos premium

Ciertos datos — detalles de Zestimate, registros fiscales, parte del historial de precios — están detrás de autenticación. Los scrapers de código abierto rara vez manejan flujos de login, así que esos campos vuelven vacíos. Si tu caso de uso depende del historial de precios o de los valores fiscales tasados, chocarás con ese muro rápido.

5. Dependencias obsoletas y repositorios sin mantenimiento

Los incluyen problemas de instalación como No module named 'unicodecsv'. El documenta el dolor de dependencias manuales de driver y GIS. Las actualizaciones de bibliotecas de Python rompen la compatibilidad. Los repositorios que no se han actualizado en más de 6 meses suelen fallar en instalaciones nuevas antes incluso de llegar a la capa anti-bot de Zillow.

Las defensas anti-bot de Zillow en 2026: contra qué te enfrentas realmente

“Solo usa proxies y rota las cabeceras” era un consejo aceptable en 2022. En 2026, ya no.

Más allá del bloqueo de IP: fingerprinting TLS y desafíos JS

Zillow no bloquea solo IPs. Los reportes de la comunidad describen a Zillow detrás de Cloudflare con que va más allá de un simple rate limiting. El fingerprinting TLS identifica clientes que no son navegadores por su “apretón de manos” digital, es decir, por la forma en que negocian el cifrado. Incluso con un proxy nuevo, tu scraper puede ser marcado si su firma TLS no coincide con la de un navegador Chrome real.

Los desafíos JavaScript añaden otra capa. Los navegadores headless que no ejecutan JS por completo o que exponen marcadores de automatización, como navigator.webdriver = true, acaban detectados.

Páginas de búsqueda frente a páginas de detalle de inmuebles: distintos niveles de protección

No todas las páginas de Zillow están igual de defendidas. El distingue explícitamente entre un “Fast Mode” que omite páginas de detalle y un “Full Mode” más lento que incluye datos más ricos. La también separa el scraping inicial de listados del “Scrape Subpages” para enriquecer con datos de páginas de detalle.

La conclusión práctica: tu scraper puede funcionar bien en resultados de búsqueda y fallar en las páginas individuales de propiedades, donde Zillow aplica una protección más fuerte porque los datos son de mayor valor y se extraen con más frecuencia.

La gente de HTTP-only: por qué algunos desarrolladores evitan la automatización del navegador

Existe un grupo importante de desarrolladores que quiere explícitamente enfoques solo HTTP: nada de Selenium, Playwright ni Puppeteer. Las razones son prácticas: la automatización del navegador es lenta, consume muchos recursos y es más difícil de desplegar a escala.

La evaluación honesta es esta: en 2026, los enfoques HTTP puros contra Zillow son cada vez más difíciles sin una gestión sofisticada de cabeceras y fingerprinting. La evidencia de la comunidad apunta a que el renderizado en navegador se está convirtiendo en el estándar, no en la excepción, para objetivos como Zillow.

Buenas prácticas concretas anti-bloqueo para Zillow

Si vas por la ruta DIY, esto es lo que realmente ayuda y lo que no:

• Ritmo de solicitudes aleatorizado que imite la navegación humana: no retrasos fijos, sino intervalos variables con comportamiento similar al de una sesión real
• Configuraciones de cabeceras realistas que incluyan Accept-Language, cabeceras de la familia Sec-CH-UA y cadenas correctas de referer; pero seamos sinceros: las cabeceras realistas son necesarias, no suficientes
• Rotación de sesiones: no reutilices la misma combinación proxy/cookie durante cientos de solicitudes
• Saber cuándo pasar al renderizado en navegador: si tu enfoque solo HTTP devuelve 403 tras 50 solicitudes, estás luchando una batalla perdida

No te creas ningún artículo que insinúe que un único bloque mágico de cabeceras resuelve Zillow en 2026.

gestiona todo esto automáticamente —infraestructura rotativa entre EE. UU., Europa y Asia, renderizado y anti-bot—, así que los usuarios se saltan por completo el laberinto de configuración de proxies. La cuestión es dónde cae la carga operativa.

Mejores prácticas para mantener a futuro tu configuración de Zillow Scraper en GitHub

Para quienes decidan seguir la ruta de GitHub/DIY, estas son las prácticas que separan los scrapers que duran meses de los que se rompen en días.

Desacopla los selectores de nombres de clase frágiles

Si un repo depende de los nombres de clase CSS autogenerados de Zillow, tómalo como una señal de alerta. Esos nombres cambian con frecuencia, a veces cada semana. En su lugar:

• Dirígete a elementos mediante aria-label, atributos data-* o texto de encabezados cercanos
• Usa selectores basados en contenido de texto cuando sea posible
• Prefiere la extracción basada en JSON frente al parseo HTML cuando Zillow sirva datos estructurados en el código fuente de la página

Añade comprobaciones automáticas de salud

Trata el scraping de Zillow como monitorización de producción, no como un script de una sola vez. Configura un cron job o una GitHub Action que:

1. Ejecute tu scraper contra un anuncio conocido cada día
2. Valide el esquema de salida: ¿están presentes y no vacíos todos los campos esperados?
3. Lance una alerta si la salida está mal formada o vacía

Así detectas la rotura en 24 horas en lugar de en semanas.

Fija versiones de dependencias y usa entornos virtuales

Fija siempre las dependencias de Python (o Node) a versiones concretas. Usa entornos virtuales o contenedores Docker. Los repositorios antiguos de nuestra auditoría muestran lo rápido que se acumula la podredumbre de dependencias: las dependencias rotas suelen ser lo primero en fallar, incluso antes de que entre en juego la capa anti-bot de Zillow.

Mantén un volumen de scraping conservador

Ese no es universal, pero sí un recordatorio creíble de que el volumen cambia el comportamiento de un scraper que parecía funcionar bien en pruebas. Reparte tus solicitudes entre sesiones. Usa retrasos aleatorizados. No intentes extraer 10.000 anuncios en una sola ejecución.

Saber cuándo el DIY no compensa

Si pasas más tiempo manteniendo tu scraper que analizando tus datos, la ecuación económica ya cambió. No es un fracaso: es una señal de que conviene considerar una solución gestionada.

Zillow Scraper GitHub (DIY) frente a herramientas sin código: una matriz de decisión honesta

La audiencia que busca “zillow scraper github” se divide claramente en dos grupos: desarrolladores que quieren propiedad sobre el código y profesionales inmobiliarios que solo quieren datos en una hoja de cálculo. Ambos enfoques son válidos. Así es como se materializan de verdad los compromisos.

Tabla comparativa lado a lado

La realidad del coste de los proxies

El argumento del “repo gratis” convence mucho menos cuando metes en la ecuación el coste de los proxies. Precios públicos actuales para proxies residenciales:

El repositorio puede ser gratis, pero un flujo de trabajo de Zillow respaldado por proxies normalmente no lo es.

Cuándo elegir un repositorio de GitHub

• Te gusta escribir y mantener código
• Necesitas personalización muy específica: transformaciones de datos a medida, integración con una canalización propia
• Tienes tiempo y habilidades técnicas para lidiar con roturas
• Estás dispuesto a gestionar infraestructura de proxies

Cuándo elegir Thunderbit

• Necesitas datos fiables hoy, sin configuración ni mantenimiento
• Eres agente inmobiliario, inversor o miembro de un equipo de operaciones, no desarrollador
• Quieres sin escribir código de exportación
• Quieres scraping de subpáginas — enriquecer listados con datos de páginas de detalle — sin configuración adicional
• Quieres scraping programado explicado en lenguaje sencillo

Paso a paso: cómo extraer Zillow con Thunderbit (sin GitHub)

La ruta sin código no se parece en nada al proceso de configuración de GitHub.

Paso 1: Instala la extensión de Chrome de Thunderbit

Ve a la , instala Thunderbit y regístrate. Hay un plan gratuito.

Paso 2: Navega a Zillow y abre Thunderbit

Ve a cualquier página de resultados de búsqueda de Zillow, por ejemplo, viviendas en venta en un código postal concreto. Haz clic en el icono de la extensión Thunderbit en la barra de herramientas del navegador.

Paso 3: Usa la plantilla Instant Scraper de Zillow o deja que la IA sugiera campos

Thunderbit tiene una : no hace falta configuración, solo un clic. La plantilla cubre los campos estándar: dirección, precio, habitaciones, baños, pies cuadrados, nombre del agente, teléfono del agente y URL del anuncio.

Como alternativa, haz clic en “AI Suggest Fields” y la IA leerá la página y te sugerirá columnas. En mi experiencia, suele detectar , incluido Zestimate.

Paso 4: Haz clic en Scrape y revisa los resultados

Haz clic en “Scrape”. Thunderbit gestiona automáticamente la paginación, el anti-bot y la estructuración de datos. Obtienes una tabla estructurada de resultados: sin errores 403, sin campos vacíos y sin configurar proxies.

Paso 5: Enriquece con datos de subpáginas (opcional)

Haz clic en “Scrape Subpages” para que Thunderbit visite la página de detalle de cada anuncio y extraiga campos adicionales: historial de precios, registros fiscales, tamaño del terreno, calificaciones escolares. En una configuración de GitHub, esto sería una segunda pasada de scraping compleja, con su propia lógica de selectores y manejo anti-bot. Aquí es un clic.

Paso 6: Exporta tus datos gratis

Exporta a Excel, Google Sheets, Airtable o Notion, todo gratis. Descarga como CSV o JSON si lo prefieres. No hay código de exportación que escribir.

Eso es materialmente distinto del recorrido típico de un usuario de GitHub, que suele empezar con la configuración del entorno y terminar solucionando errores 403.

Del CSV a la acción: qué hacer realmente con tus datos de Zillow

La mayoría de las guías terminan en “aquí tienes tu CSV”. Es como darle a alguien una caña de pescar y marcharte antes de explicar cómo cocinar el pez.

El scraping es solo el primer paso. Aquí va el resto.

Paso 1: Scrape — recopila datos de anuncios

Campos básicos de los resultados de búsqueda: precio, habitaciones, baños, pies cuadrados, dirección, Zestimate, estado del anuncio, días en el mercado, URL del anuncio.

Paso 2: Enrich — extrae datos de la página de detalle mediante scraping de subpáginas

Campos adicionales de las páginas de detalle de propiedades: historial de precios, registros fiscales, tamaño del terreno, cuotas HOA, calificaciones escolares, datos de contacto del agente. El scraping de subpáginas de Thunderbit lo hace con un clic. En una configuración de GitHub, necesitarías otra pasada de scraping con sus propios selectores y lógica anti-bot.

Paso 3: Export — envíalo a tu plataforma preferida

• Google Sheets para análisis rápido y compartición
• Airtable para un mini-CRM o un seguimiento de oportunidades
• Notion para un panel de equipo
• CSV/JSON para canalizaciones personalizadas

Paso 4: Monitor — programa scraping recurrente

Este es el punto de dolor que varios hilos de foros señalan como no resuelto. No solo quieres los datos de hoy: quieres detectar caídas de precio, cambios de estado (activo → pendiente → vendido) y nuevas publicaciones a medida que aparecen.

El scraper programado de Thunderbit te permite describir intervalos en lenguaje natural, por ejemplo, “cada martes y viernes a las 8am”. En una configuración de GitHub, tendrías que construir un cron job, manejar la persistencia de autenticación y gestionar por tu cuenta la recuperación ante fallos.

Paso 5: Act — filtra oportunidades y alimenta flujos de trabajo de prospección

Aquí es donde los datos se convierten en decisiones:

• Para inversores: filtra caídas de precio >5% en 30 días, días en el mercado >90, precio por debajo de Zestimate
• Para agentes: marca nuevos anuncios que coincidan con criterios de compradores y anuncios caducados o retirados para prospección
• Para investigadores: calcula tendencias de precio por pie cuadrado, ratios entre precio de venta y precio publicado, velocidad del inventario

Ejemplo real: un inversor que sigue 200 anuncios en 3 códigos postales

Así se ven los campos de datos asignados a cada caso de uso:

El inversor configura un scraping semanal en tres códigos postales, exporta a Google Sheets y aplica formato condicional para las caídas de precio y los valores atípicos de DOM. El agente exporta a Airtable y construye un pipeline de prospección. El investigador lleva los datos a una hoja de cálculo para análisis de tendencias. Mismo paso de scraping, tres flujos de trabajo distintos.

Consideraciones legales y éticas al scrapear Zillow

Breve, pero necesario.

Los prohíben explícitamente las consultas automatizadas, incluyendo screen scraping, crawlers, spiders y la evasión de precauciones similares a CAPTCHA. El de Zillow bloquea rutas amplias como /api/, /homes/ y las URLs de estado de consulta.

Al mismo tiempo, la ley estadounidense sobre web scraping no se reduce a “todo scraping es ilegal”. La línea de casos hiQ v. LinkedIn importa para el scraping de datos públicos bajo la CFAA. Un de Haynes Boone señala que el Noveno Circuito volvió a rechazar el intento de LinkedIn de bloquear el scraping de perfiles públicos de miembros. Pero eso no elimina argumentos contractuales, de privacidad o anti-elusión por separado, ni vuelve irrelevantes los Términos de uso de Zillow.

Qué significa eso para ti:

• El scraping de páginas públicas puede tener argumentos bajo la CFAA más sólidos de lo que sugieren muchos propietarios de sitios
• Zillow sigue prohibiéndolo contractualmente
• Evadir barreras técnicas aumenta el riesgo legal
• Si tienes un caso de uso comercial o de alto volumen, pide asesoramiento legal
• Independientemente del marco legal, haz scraping de forma responsable: respeta los límites de tasa, no satures los servidores, no uses datos personales para spam

Elegir la herramienta adecuada para tu flujo de trabajo con Zillow

El panorama de Zillow scraper en GitHub en 2026 es más delgado de lo que parece. La mayoría de los repositorios visibles están obsoletos, son frágiles o están rotos. Un pequeño número de repos más nuevos — en particular — todavía funciona, pero solo con mantenimiento continuo de proxies y anti-bot.

La decisión real no es código abierto frente a cerrado. Es control frente a carga operativa.

• Si quieres control total y disfrutas manteniendo scrapers, los repositorios de GitHub son potentes, pero reserva tiempo para gestionar proxies, actualizar selectores y monitorizar la salud.
• Si quieres datos fiables hoy, sin mantenimiento, te lleva de la búsqueda a la hoja de cálculo en minutos. Su IA lee la estructura de la página en cada ejecución, así que nunca depende de selectores codificados que se rompen.

Ambos caminos son legítimos.

El peor resultado es pasar horas configurando un scraper de GitHub y descubrir después que se rompió el mes pasado y nadie actualizó el README.

Si quieres ver la ruta sin código en acción, — extrae anuncios de Zillow en unas 2 pulsaciones y expórtalos a la plataforma que ya use tu equipo. ¿Quieres ver primero el proceso? El tiene tutoriales.

Preguntas frecuentes

¿Hay algún Zillow scraper funcional en GitHub en 2026?

Unos pocos repositorios funcionan parcialmente, sobre todo johnbalvin/pyzill, que todavía devuelve datos pero requiere proxies residenciales rotativos y ajustes continuos. La mayoría de los repositorios con estrellas, incluidos ChrisMuir/Zillow con 170 estrellas y scrapehero/zillow_real_estate con 152 estrellas, están rotos por los cambios anti-bot de Zillow y las actualizaciones del DOM. Consulta la tabla de auditoría anterior para ver el estado actual.

¿Puede Zillow detectar y bloquear scrapers de GitHub?

Sí. Zillow usa bloqueo de IP, fingerprinting TLS, desafíos JavaScript, CAPTCHA y limitación de tasa. En las pruebas, incluso las solicitudes HTTP simples con cabeceras parecidas a Chrome devolvieron 403 desde CloudFront. Los scrapers de GitHub sin medidas anti-detección adecuadas — proxies residenciales, cabeceras realistas, renderizado en navegador — se bloquean rápido, a menudo en unas 100 solicitudes.

¿Qué datos se pueden extraer de Zillow?

Los campos comunes incluyen precio, dirección, habitaciones, baños, pies cuadrados, Zestimate, estado del anuncio, días en el mercado, URL del anuncio y datos de contacto del agente. Con scraping de páginas de detalle, también puedes obtener historial de precios, registros fiscales, tamaño del terreno, cuotas HOA y calificaciones escolares. Los campos exactos dependen de las capacidades de tu scraper y de si estás extrayendo resultados de búsqueda o páginas individuales de propiedades.

¿Es legal scrapear Zillow?

La respuesta tiene matices. El scraping de datos disponibles públicamente tiene una base legal más sólida tras la línea de casos hiQ v. LinkedIn, pero los Términos de uso de Zillow prohíben explícitamente el acceso automatizado. Eludir barreras técnicas (CAPTCHA, límites de tasa) añade riesgo legal adicional. Para investigación personal, el riesgo suele ser bajo. Para casos comerciales o de alto volumen, consulta a un abogado. En cualquier caso, haz scraping de forma responsable.

¿Cómo extrae Thunderbit Zillow sin romperse?

Thunderbit usa IA para leer la estructura de la página de nuevo en cada ejecución: no depende de selectores CSS ni XPath codificados que se rompen cuando Zillow actualiza su frontend. También incluye una preconstruida para extracción con un clic. El cloud scraping gestiona automáticamente el anti-bot con infraestructura rotativa, así que los usuarios no tienen que configurar proxies ni gestionar ellos mismos el renderizado en navegador. Cuando Zillow cambia su diseño, la IA se adapta: no hace falta actualizar ningún repo.

Más información