Web Scraping con JavaScript: guida passo passo

Quando ho iniziato a costruire strumenti di automazione, non avrei mai immaginato che avrei passato così tanto tempo a sbirciare dentro gli ingranaggi dei siti web, mettendo mano al loro HTML come un archeologo digitale. Ma eccoci qui nel 2026: il web resta il più grande e caotico magazzino di dati del mondo — solo che adesso metà di quei dati è nascosta dietro JavaScript, caricamenti dinamici e difese anti-bot sempre più aggressive. Che tu sia un professionista delle vendite, un operatore e-commerce o semplicemente uno sviluppatore curioso, il web scraping è diventato l’ingrediente segreto per trasformare pagine web pubbliche in vero valore di business. E, se sei come me, probabilmente ti sarai chiesto: “Posso davvero costruire il mio web scraper usando solo JavaScript?” Spoiler: sì, puoi. Ma dovresti farlo? Beh, vediamolo insieme.

In questa guida ti mostrerò come passare da zero a un tuo web scraper basato su JavaScript—coprendo tutto, dal parsing di HTML statico alla gestione di siti dinamici e pesanti di JavaScript. E, visto che conosco bene entrambi i lati della medaglia, ti dirò anche quando ha senso abbandonare il codice e lasciare che uno strumento basato su IA come faccia il lavoro più pesante. Pronto a sporcarti le mani, in senso digitale? Immergiamoci.

Che cos’è il Web Scraping con JavaScript?

Partiamo dalle basi. Il web scraping è il processo automatizzato di estrazione di informazioni dai siti web. Invece di copiare e incollare i dati a mano (che, diciamolo, è divertente più o meno come guardare asciugare la vernice), scrivi un programma — uno “scraper” — che recupera le pagine web e ne estrae i dati che ti interessano.

Quindi, dove entra in gioco JavaScript? Semplice: JavaScript è il linguaggio del web. Gira nei browser, alimenta i siti interattivi e — grazie a Node.js — può anche funzionare sul tuo laptop o su un server. Quando parliamo di web scraping con JavaScript, di solito ci riferiamo alla scrittura di script in Node.js che:

• recuperano pagine web (tramite richieste HTTP)
• analizzano l’HTML per trovare i dati desiderati
• a volte automatizzano un browser reale per gestire siti che caricano contenuti in modo dinamico

In questo contesto ci sono due tipi principali di pagine web:

• Pagine statiche: i dati sono già presenti nell’HTML. Pensa a una semplice pagina di elenco prodotti.
• Pagine dinamiche: i dati compaiono solo dopo che la pagina esegue il proprio JavaScript — come un feed a scorrimento infinito o una dashboard che carica i dati via AJAX.

JavaScript, con il suo ecosistema di librerie, può gestire entrambe. Per le pagine statiche puoi recuperare e analizzare direttamente l’HTML. Per quelle dinamiche, invece, dovrai automatizzare un browser per “vedere” ciò che vedrebbe un utente reale.

Perché il Web Scraping con JavaScript è importante per il business

Diciamolo chiaramente: nessuno fa scraping di siti web solo per il gusto di farlo (beh, forse io sì, in certe sere del sabato). Le aziende fanno scraping perché è una scorciatoia verso insight, lead e vantaggio competitivo. Ecco perché conta:

• Risparmio di tempo: gli scraper automatizzati possono raccogliere migliaia di punti dati in pochi minuti, facendo risparmiare ai team centinaia di ore rispetto al copia-incolla manuale ().
• Decisioni migliori: i dati in tempo reale ti permettono di reagire ai cambiamenti di mercato, adeguare i prezzi o individuare trend prima dei concorrenti ().
• Accuratezza: l’estrazione automatizzata riduce gli errori umani, offrendoti dataset più puliti e affidabili ().
• Insight competitivi: monitora i prezzi dei concorrenti, le recensioni o i trend di mercato — lo scraping trasforma il web aperto nel tuo laboratorio di ricerca privato.
• Generazione di lead: crea liste di prospect, arricchisci i dati CRM o trova nuove opportunità di vendita — tutto in automatico.

Ecco una tabella rapida per riassumere l’impatto sul business:

E c’è una statistica che continua a stupirmi: il per raccogliere dati pubblici, e il . Non è un hobby di nicchia: è business mainstream.

Configurare l’ambiente di Web Scraping con JavaScript

Bene, passiamo alla pratica. Se vuoi costruire il tuo scraper, devi configurare l’ambiente. Io faccio così:

1. Installa Node.js (e npm)

   Vai sul e scarica la versione LTS. Otterrai Node.js (il runtime) e npm (il gestore di pacchetti).

   • Verifica l’installazione:

     1node -v
     2npm -v

2. Crea una cartella di progetto

   Crea una nuova directory per il progetto (ad esempio, web-scraper-demo), apri lì un terminale ed esegui:

   1npm init -y

   Questo crea un file package.json per gestire le dipendenze.

3. Installa le librerie essenziali

   Ecco il tuo kit di partenza:

   • Axios: client HTTP per recuperare pagine web
     npm install axios
   • Cheerio: parser HTML simile a jQuery
     npm install cheerio
   • Puppeteer: automazione di Chrome headless (per siti dinamici)
     npm install puppeteer
   • Playwright: automazione multi-browser (Chromium, Firefox, WebKit)
     npm install playwright Poi esegui:
     npx playwright install (scarica i binari del browser)

Ecco un rapido confronto tra questi strumenti:

Per le pagine statiche, Axios + Cheerio è la combinazione ideale. Per tutto ciò che è dinamico o interattivo, la strada giusta è Puppeteer o Playwright ().

Costruire un semplice web scraper usando JavaScript

Rimbocchiamoci le maniche e costruiamo uno scraper base. Supponiamo che tu voglia estrarre titoli e prezzi di libri da un sito statico come “Books to Scrape” (un ottimo banco prova per imparare).

Passo 1: ispeziona la pagina nel browser. Noterai che ogni libro è dentro un <article class="product_pod">, con il titolo in un <h3> e il prezzo in un <p class="price_color">.

Passo 2: ecco il codice:

1const axios = require('axios');
2const cheerio = require('cheerio');
3(async function scrapeBooks() {
4  try {
5    // 1. Recupera l'HTML della pagina
6    const { data: html } = await axios.get('http://books.toscrape.com/');
7    // 2. Carica l'HTML in Cheerio
8    const $ = cheerio.load(html);
9    // 3. Seleziona ed estrai i dati desiderati
10    const books = [];
11    $('.product_pod').each((_, element) => {
12      const title = $(element).find('h3 a').attr('title');
13      const price = $(element).find('.price_color').text();
14      books.push({ title, price });
15    });
16    // 4. Restituisci i risultati
17    console.log(books);
18  } catch (error) {
19    console.error('Estrazione non riuscita:', error);
20  }
21})();

Cosa sta succedendo qui?

• Recupero: Axios serve per ottenere l’HTML.
• Parsing: Cheerio carica l’HTML e ti permette di usare i selettori CSS.
• Estrazione: per ogni .product_pod, prendi titolo e prezzo.
• Output: stampa l’array di oggetti libro.

Consigli per i selettori:

Usa gli strumenti di sviluppo del browser (tasto destro → Ispeziona) per trovare classi o tag univoci. Cheerio supporta la maggior parte dei selettori CSS, quindi puoi colpire gli elementi con precisione.

Parsing ed estrazione dei dati

Ecco qualche consiglio pratico maturato nelle mie avventure di scraping:

• Testo vs attributi: usa .text() per il testo interno, .attr('nomeAttributo') per gli attributi (come title o href).
• Tipi di dati: pulisci i dati mentre li estrai. Rimuovi i simboli di valuta, converti i numeri, formatta le date.
• Dati mancanti: controlla sempre che un elemento esista prima di estrarre i dati, così eviti errori.
• Iterazione: usa .each() o .map() per scorrere gli elementi e costruire l’array dei risultati.

Una volta ottenuti i dati, puoi salvarli in CSV, JSON o perfino in un database. Il mondo è tuo — o almeno il tuo foglio di calcolo.

Fare scraping di siti dinamici con JavaScript: Puppeteer e Playwright

Ora affrontiamo la parte difficile: i siti dinamici. Sono pagine in cui i dati compaiono solo dopo l’esecuzione del JavaScript del sito. Pensa ai feed social, alle dashboard o ai siti con pulsanti “Carica altro”.

Perché usare browser headless?

Una semplice richiesta HTTP non basta: otterresti solo un HTML scheletrico. Browser headless come Puppeteer e Playwright ti permettono di:

• avviare un browser reale (senza interfaccia grafica)
• eseguire il JavaScript del sito
• attendere il caricamento dei contenuti
• estrarre i dati renderizzati

Esempio con Puppeteer:

1const puppeteer = require('puppeteer');
2(async function scrapeQuotes() {
3  const browser = await puppeteer.launch({ headless: true });
4  const page = await browser.newPage();
5  await page.goto('https://quotes.toscrape.com/js/', { waitUntil: 'networkidle0' });
6  await page.waitForSelector('.quote');  // aspetta che compaiano le citazioni
7  const quotesData = await page.$$eval('.quote', quoteElements => {
8    return quoteElements.map(q => {
9      const text = q.querySelector('.text')?.innerText;
10      const author = q.querySelector('.author')?.innerText;
11      return { text, author };
12    });
13  });
14  console.log(quotesData);
15  await browser.close();
16})();

Cosa succede?

• Avvia Chrome headless
• Vai alla pagina e attendi che l’attività di rete si stabilizzi
• Aspetta che appaia il selettore .quote
• Estrai citazioni e autori dal DOM

Playwright funziona quasi allo stesso modo, ma supporta più browser (Chromium, Firefox, WebKit) e offre alcune pratiche funzioni di auto-wait ().

Scegliere lo strumento giusto: Puppeteer o Playwright

Sia Puppeteer sia Playwright sono eccellenti per lo scraping dinamico, ma ecco come ragiono io nella scelta:

• Puppeteer:
  • solo Chrome/Chromium (con un po’ di supporto per Firefox)
  • semplice, plug-and-play per lo scraping basato su Chrome
  • community enorme, tanti plugin (come la modalità stealth)
• Playwright:
  • multi-browser (Chromium, Firefox, WebKit/Safari)
  • supporto ufficiale per più linguaggi (JS, Python, .NET, Java)
  • auto-wait per gli elementi, gestisce facilmente più pagine/contesti
  • ottimo per scenari complessi o cross-browser

Se ti basta fare scraping di un solo sito e Chrome va bene, Puppeteer è rapido e facile. Se invece ti servono copertura cross-browser, attese automatiche o vuoi integrare lo scraping in un agente IA (Playwright ora include un server MCP ufficiale, così gli agenti possono pilotarlo direttamente), Playwright è l’impostazione predefinita più sicura per i nuovi progetti del 2026 ().

Superare le sfide comuni del Web Scraping con JavaScript

Ed ecco dove inizia il vero divertimento (e per “divertimento” intendo: “perché il mio scraper si è rotto all’improvviso alle 2 di notte?”). Il web scraping non è solo codice: è anche saper aggirare gli ostacoli:

• Blocco IP e rate limiting: troppe richieste da un solo IP? Verrai bloccato. Usa proxy e alternali ().
• CAPTCHA e rilevamento bot: i siti usano CAPTCHA, fingerprinting e honeypot. Rallenta le richieste, usa plugin stealth o solver CAPTCHA di terze parti.
• Contenuti dinamici e AJAX: a volte puoi evitare il browser e chiamare direttamente l’API in background del sito (se riesci a trovarla nei log di rete).
• Cambiamenti nella struttura della pagina: i siti aggiornano continuamente il loro HTML. Mantieni i selettori modulari e preparati ad aggiornarli.
• Colli di bottiglia nelle prestazioni: fai scraping di migliaia di pagine? Usa la concorrenza, ma senza sovraccaricare la tua macchina (o il sito di destinazione).

Buone pratiche:

• limita il ritmo delle richieste (aggiungi pause)
• imposta header user-agent realistici
• usa proxy per scraping su larga scala
• registra tutto (così sai quando e perché qualcosa si rompe)
• rispetta robots.txt e i termini di servizio

E ricorda: lo scraping è un bersaglio mobile. I siti evolvono, le tecnologie anti-bot diventano più intelligenti e dovrai tenere gli script sempre aggiornati ().

Consigli per debug e manutenzione

• Modularizza i selettori: tieni i selettori CSS in un unico punto per aggiornarli facilmente.
• Logging descrittivo: registra avanzamento ed errori per individuare subito i problemi.
• Debug in modalità con interfaccia: esegui l’automazione del browser con la GUI per vedere cosa succede.
• Gestione degli errori: usa try/catch e tentativi multipli per maggiore robustezza.
• Test regolari: imposta avvisi se lo scraper restituisce improvvisamente zero risultati.
• Controllo versione: usa Git per tracciare le modifiche e tornare indietro se serve.

Anche con tutto questo, mantenere decine di scraper personalizzati può diventare un vero peso. Ecco perché sempre più team stanno valutando soluzioni no-code basate su IA.

Quando considerare alternative no-code: Thunderbit vs scraping con JavaScript

Diciamolo onestamente: non tutti vogliono passare il weekend a debuggare selettori o a litigare con i proxy. Entra in scena , la nostra estensione Chrome per il web scraper basato su IA.

Come funziona Thunderbit?

• Installa l’estensione Chrome
• Vai su una pagina qualsiasi e fai clic su “AI Suggest Fields”
• L’IA di Thunderbit legge la pagina, suggerisce le colonne ed estrae i dati
• Gestisce pagine dinamiche, sottopagine, documenti, PDF e molto altro
• Esporta direttamente in Google Sheets, Airtable, Notion o CSV — senza scrivere codice

Ecco un confronto affiancato:

L’IA di Thunderbit può persino riassumere, categorizzare o tradurre i dati mentre li estrae — qualcosa che richiederebbe codice aggiuntivo in un approccio fai-da-te ().

Scenari reali: quale approccio si adatta al tuo team?

• Scenario 1: sviluppatore, progetto complesso

  Stai costruendo un prodotto che aggrega annunci di lavoro da cinque siti diversi, ha bisogno di logiche personalizzate e gira sui tuoi server. Scrivere i tuoi scraper ha senso: hai il pieno controllo, puoi ottimizzare per la scala e integrare tutto direttamente con il backend.

• Scenario 2: team business, bisogno rapido di dati

  Sei un marketing manager che oggi stesso deve ottenere una lista di lead da vari directory. Nessuna competenza di coding, nessun tempo per cicli di sviluppo. Thunderbit è perfetto: punti, clicchi, esporti in Google Sheets, fatto in un’ora ().

• Scenario 3: approccio ibrido

  A volte i team usano Thunderbit per prototipare o per gestire attività rapide, poi investono in codice personalizzato se diventa un’esigenza di lungo periodo. Oppure gli sviluppatori costruiscono lo scraper iniziale e poi affidano lo scraping ricorrente ai non sviluppatori tramite i template di Thunderbit.

Come scegliere?

• Se ti serve una personalizzazione profonda, hai competenze tecniche o vuoi il pieno controllo — scrivilo in codice.
• Se vuoi velocità, semplicità e collaborazione di team — Thunderbit è difficile da battere.
• Molti team usano entrambi: codice per i sistemi core, Thunderbit per scraping ad hoc o guidato dal business.

Una terza strada: agenti IA per il coding e agenti browser

Esiste una via di mezzo che, quando sono stati scritti la maggior parte dei tutorial sullo scraping in JavaScript, non esisteva davvero. Due varianti da conoscere:

• Agenti IA per il coding (Claude Code, OpenAI Codex CLI, Cursor) — descrivi la pagina e i dati che vuoi in linguaggio naturale, e loro scrivono per te lo script Axios/Cheerio/Playwright. Il codice resta tuo, gli ostacoli anti-bot restano tuoi, ma la parte di scrittura si riduce da ore a pochi minuti. Utile quando vuoi un vero script nel tuo repo e non uno strumento “scatola nera”.
• Agenti che guidano il browser (Browser Use, Playwright MCP, Skyvern) — invece di generare uno script, è l’agente stesso a navigare la pagina. Scrivi un prompt tipo "fai login, vai agli ordini, esporta gli ultimi 30 giorni in CSV" e lui capisce cosa cliccare. È migliore per flussi con login, navigazione multi-step o pagine che cambiano spesso layout, perché l’agente ragiona su ciò che vede invece di affidarsi a un selettore fisso.

Nessuno dei due elimina i vincoli noiosi — limiti di richiesta, termini di servizio, CAPTCHA e blocchi IP restano comunque un tuo problema. Ma per i casi "mi serve solo questa data una volta" o "i selettori continuano a rompersi", vale la pena considerarli prima di impegnarti a mantenere l’ennesimo script puppeteer.launch().

Se preferisci saltare del tutto il livello degli agenti e andare direttamente di point-and-click, è qui che entra in gioco Thunderbit — vedi il confronto sopra.

Esportazione dei dati, automazione e collaborazione: andare oltre lo scraping di base

Raccogliere dati è solo l’inizio. Quello che ci fai dopo è ciò che conta.

Con gli scraper JavaScript:

• scrivi i dati in CSV/JSON usando il modulo fs di Node
• inserisci i dati in un database o chiama un’API (come le Google Sheets API)
• programma l’esecuzione con cron job o funzioni cloud
• la condivisione richiede l’invio di file o la costruzione di dashboard

Con Thunderbit:

• esportazione con un clic su Google Sheets, Airtable, Notion o CSV ()
• pianificazione integrata: imposti tutto e dimentichi, i dati si aggiornano automaticamente
• i membri del team possono usare template condivisi, i risultati diventano subito collaborativi
• post-processing basato su IA (riassumi, categorizza, traduci) integrato

Immagina di fare scraping quotidiano dei prezzi dei concorrenti e vedere il tuo foglio Google Sheets aggiornarsi ogni mattina — senza codice, senza passaggi manuali. Questo è il tipo di flusso di lavoro che Thunderbit sblocca.

Punti chiave: Web Scraping con JavaScript per il successo del business

Chiudiamo con gli insegnamenti principali:

• JavaScript è uno strumento potente per lo scraping: con Node.js, Axios, Cheerio, Puppeteer e Playwright puoi fare scraping di quasi qualsiasi sito ().
• L’obiettivo è il valore per il business: lo scraping serve a prendere decisioni migliori, velocizzare i flussi di lavoro e ottenere un vantaggio competitivo ().
• Scegli l’approccio giusto: usa strumenti leggeri per le pagine statiche, browser headless per quelle dinamiche.
• Anticipa le sfide: blocchi IP, CAPTCHA e cambiamenti dei siti fanno parte del gioco — usa proxy, tecniche stealth e mantieni il codice modulare.
• La manutenzione è reale: preparati ad aggiornare gli script oppure valuta strumenti IA che si adattano automaticamente ().
• Gli strumenti no-code come Thunderbit accelerano i risultati: per i non sviluppatori o per esigenze business urgenti, l’IA di Thunderbit, lo scraping delle sottopagine e le esportazioni con un clic rendono lo scraping accessibile a tutti.
• Integrazione e collaborazione contano: assicurati che i dati fluiscano negli strumenti usati dal tuo team — Google Sheets, Airtable, Notion o il CRM.

Pensiero finale:

Il web trabocca di dati — se sai come prenderli, sei già un passo avanti agli altri. Che tu costruisca il tuo scraper in JavaScript o lasci che l’IA di Thunderbit faccia il lavoro pesante, la chiave è trasformare quei dati grezzi in valore per il business. Prova entrambi gli approcci, vedi quale si adatta meglio al tuo flusso di lavoro e ricorda: il miglior scraper è quello che ti dà le risposte di cui hai bisogno, quando ti servono.

Vuoi provare Thunderbit? e scopri quanto può essere semplice il web scraping. Vuoi approfondire ancora di più? Dai un’occhiata al per altre guide, consigli e storie dal fronte dell’automazione dei dati.

FAQ

1. Che cos’è il web scraping in JavaScript e come funziona?

Il web scraping in JavaScript consiste nell’uso di strumenti come Node.js, Axios, Cheerio, Puppeteer o Playwright per recuperare ed estrarre dati dai siti web in modo programmatico. Le pagine statiche possono essere sottoposte a scraping tramite richieste HTTP e parser HTML, mentre quelle dinamiche richiedono browser headless per simulare le interazioni di un utente reale.

2. Perché le aziende dovrebbero interessarsi al web scraping con JavaScript?

Il web scraping aiuta le aziende a risparmiare tempo, ridurre il lavoro manuale, migliorare l’accuratezza dei dati e ottenere insight competitivi in tempo reale. Supporta casi d’uso come generazione di lead, monitoraggio dei prezzi, ricerche di mercato e automazione delle vendite — diventando uno strumento prezioso per decisioni basate sui dati.

3. Quali sono gli strumenti e le librerie chiave usati nello scraping in JavaScript?

• Axios: per le richieste HTTP verso pagine statiche.
• Cheerio: per analizzare e interrogare HTML statico.
• Puppeteer: per automatizzare Chrome ed estrarre contenuti dinamici.
• Playwright: strumento di automazione multi-browser con solide capacità di scraping.

4. Quando dovrei usare Thunderbit invece di costruire uno scraper con JavaScript?

Usa Thunderbit quando vuoi uno scraping rapido e no-code, senza scrivere o mantenere script. È ideale per team business, progetti veloci e flussi di lavoro collaborativi. Thunderbit gestisce contenuti dinamici, sottopagine ed esporta direttamente in strumenti come Google Sheets e Airtable.

5. Quali sono le sfide più grandi nel web scraping in JavaScript e come posso superarle?

Le sfide comuni includono blocchi IP, CAPTCHA, strutture di pagina che cambiano e limiti di prestazioni. Puoi mitigare questi problemi usando proxy, plugin stealth, automazione del browser, codice modulare e logica di retry. In alternativa, strumenti come Thunderbit possono aggirare automaticamente molti di questi ostacoli.

6. E gli agenti IA per il coding come Claude Code o gli agenti browser come Browser Use — sostituiscono gli scraper JavaScript?

Non del tutto, ma cambiano il flusso di lavoro. Gli agenti IA per il coding (Claude Code, Codex CLI, Cursor) possono generare per te lo script Axios/Cheerio/Playwright da una descrizione in linguaggio naturale — però devi comunque eseguire il codice e gestire tu anti-bot e rate limit. Gli agenti browser (Browser Use, Playwright MCP) fanno un passo oltre e pilotano davvero il browser tramite istruzioni in linguaggio naturale, il che è utile per flussi con login o multi-step in cui i selettori si rompono spesso. Per lavori una tantum fanno risparmiare davvero tempo; per lo scraping in produzione, però, conviene avere il tuo script (o uno strumento gestito come Thunderbit) così puoi debuggare quando cambia qualcosa.