Làm Chủ n8n Web Scraping: Các Luồng Tự Động Hóa

Vài tháng trước, có một người dùng gửi cho chúng tôi ảnh chụp màn hình một workflow n8n với 14 node, cả đống ghi chú dán, và dòng tiêu đề chỉ vỏn vẹn: “Cứu”. Họ đã làm theo một hướng dẫn n8n web scraping rất phổ biến, chạy trơn tru một demo nhìn rất ổn với 10 dòng trên trang thử nghiệm, rồi sau đó cố kéo dữ liệu giá của đối thủ trên 200 trang sản phẩm thật. Kết quả? Vòng lặp phân trang bị vỡ, gặp bức tường lỗi 403, và bộ lập lịch thì lặng lẽ ngừng chạy sau thứ Ba đầu tiên.

Khoảng cách đó — giữa bản demo và pipeline vận hành thực tế — chính là chỗ mà hầu hết dự án scraping bằng n8n “chết non”. Tôi đã dành nhiều năm xây dựng và làm việc trong mảng tự động hóa, nên tôi nói thẳng luôn: phần scraping hiếm khi là phần khó nhất. Những thứ làm mọi người vấp ngã thường là tất cả những gì xảy ra sau khi scrape thành công lần đầu tiên. Phân trang, lịch chạy, xử lý anti-bot, làm sạch dữ liệu, xuất dữ liệu, và — quan trọng nhất — bảo trì khi website đổi giao diện lần thứ ba trong quý này. Bài hướng dẫn này sẽ đi hết toàn bộ pipeline, từ node HTTP Request đầu tiên cho đến một workflow n8n web scraping chạy định kỳ, sẵn sàng cho môi trường production. Và khi cách làm thủ công của n8n bắt đầu bí, tôi cũng sẽ chỉ bạn nơi các công cụ dùng AI như Thunderbit có thể giúp bạn tiết kiệm hàng giờ, thậm chí hàng ngày, bực bội.

n8n Web Scraping Là Gì (và Vì Sao Phần Lớn Hướng Dẫn Chỉ Mới Chạm Bề Mặt)

n8n là một nền tảng tự động hóa workflow mã nguồn mở, low-code. Bạn có thể hình dung nó như một canvas trực quan để nối các “node” với nhau — mỗi node làm một việc riêng (lấy một trang web, phân tích HTML, gửi tin nhắn Slack, ghi vào Google Sheets) — rồi ghép chúng lại thành workflow tự động. Bạn không cần viết quá nhiều code, dù vẫn có thể chèn JavaScript khi cần.

“n8n web scraping” nghĩa là dùng các node HTTP Request và HTML có sẵn của n8n (kèm theo các node từ cộng đồng) để lấy, phân tích và xử lý dữ liệu website ngay trong các workflow tự động đó. Cốt lõi chỉ có hai bước: Fetch (node HTTP Request lấy HTML thô từ một URL) và Parse (node HTML dùng CSS selector để trích xuất các điểm dữ liệu bạn cần — tên sản phẩm, giá, email, bất cứ thứ gì).

Nền tảng này đang tăng trưởng rất mạnh: tính đến tháng 4 năm 2026, n8n có , hơn 230.000 người dùng hoạt động, hơn 9.166 mẫu workflow từ cộng đồng, và đều đặn tung ra bản minor mới gần như mỗi tuần. Tháng 3 năm 2025, công ty đã gọi . Rõ ràng là đà đi lên của họ đang rất mạnh.

Nhưng có một khoảng trống mà ít ai nhắc tới. Bài hướng dẫn n8n scraping phổ biến nhất trên dev.to (do Lakshay Nasa viết, dưới tên tổ chức “Extract by Zyte”) hứa sẽ có phần phân trang ở “Phần 2”. Phần 2 đúng là có ra — và kết luận của chính tác giả là: “N8N có sẵn chế độ Pagination mặc định trong node HTTP Request ở mục Options, và dù nghe có vẻ tiện, nhưng trong trải nghiệm của tôi nó không hoạt động ổn định cho các nhu cầu web scraping thông thường.” Cuối cùng tác giả phải chuyển phân trang sang một API trả phí của bên thứ ba. Trong khi đó, người dùng forum n8n vẫn liên tục nói “pagination, throttling, login” là nơi n8n scraping “phức tạp lên rất nhanh”. Bài này được viết để lấp đúng khoảng trống đó.

Vì Sao n8n Web Scraping Quan Trọng Với Các Đội Sales, Ops và Ecommerce

n8n web scraping không phải trò cho vui của developer. Nó là công cụ kinh doanh. năm 2025 có quy mô khoảng 1–1,3 tỷ USD và được dự báo đạt 2–2,3 tỷ USD vào năm 2030. Riêng định giá động đã được khoảng sử dụng, và hiện dựa vào dữ liệu thay thế — phần lớn được scrape từ web. McKinsey cho biết định giá động có thể mang lại cho những doanh nghiệp áp dụng.

Điểm mạnh thật sự của n8n nằm ở đây: không chỉ là lấy dữ liệu. Mà là sau đó làm gì tiếp theo. n8n cho phép bạn nối scraping với các hành động phía sau — cập nhật CRM, cảnh báo Slack, xuất bảng tính, phân tích bằng AI — tất cả trong cùng một workflow.

Dữ liệu cho thấy ROI này là có thật: dự định tăng đầu tư AI trong năm 2025, và các chương trình nuôi dưỡng lead tự động đã được chứng minh có thể trong chín tháng. Nếu đội của bạn vẫn đang copy-paste từ website sang spreadsheet, thì bạn đang để tiền rơi vãi trên bàn.

Bộ Công Cụ n8n Web Scraping: Các Node Cốt Lõi và Giải Pháp Có Sẵn

Trước khi bắt đầu, bạn cần biết trong bộ công cụ có những gì. Đây là các node n8n thiết yếu cho web scraping:

• HTTP Request node: Lấy HTML thô từ bất kỳ URL nào. Nó hoạt động như trình duyệt gửi yêu cầu tải trang, nhưng trả về mã nguồn thay vì render trang. Hỗ trợ GET/POST, headers, batching, và (trên lý thuyết) pagination tích hợp sẵn.
• HTML node (trước đây là “HTML Extract”): Phân tích HTML bằng CSS selector để kéo ra dữ liệu cụ thể — tiêu đề, giá, link, hình ảnh, bất cứ thứ gì bạn cần.
• Code node: Cho phép viết JavaScript để làm sạch dữ liệu, chuẩn hóa URL, loại trùng, và xử lý logic tùy chỉnh.
• Edit Fields (Set) node: Tái cấu trúc hoặc đổi tên các trường dữ liệu cho các node phía sau.
• Split Out node: Tách mảng thành từng item riêng lẻ để xử lý.
• Convert to File node: Xuất dữ liệu có cấu trúc sang CSV, JSON, v.v.
• Loop Over Items node: Lặp qua danh sách (rất quan trọng cho phân trang — sẽ nói kỹ hơn ở dưới).
• Schedule Trigger: Kích hoạt workflow theo lịch cron.
• Error Trigger: Báo cho bạn khi workflow thất bại (rất cần cho production).

Với các trang nâng cao — có render JavaScript hoặc lớp bảo vệ anti-bot mạnh — bạn sẽ cần node từ cộng đồng:

Hiện tại n8n không có node headless browser gốc ở phiên bản v2.15.1. Mọi nhu cầu scrape có render JS đều cần node cộng đồng hoặc API bên ngoài.

Nói nhanh về Thunderbit: đây là một dùng AI mà đội ngũ chúng tôi xây dựng. Bạn chỉ cần bấm “AI Suggest Fields”, rồi “Scrape”, là có dữ liệu có cấu trúc — không cần CSS selector, không cần cấu hình node, không cần bảo trì. Tôi sẽ chỉ bạn khi nào nó phù hợp (và khi nào n8n là lựa chọn tốt hơn) xuyên suốt bài viết này.

Từng Bước: Xây Workflow n8n Web Scraping Đầu Tiên Của Bạn

Sau khi đã biết bộ công cụ, dưới đây là cách xây một web scraper n8n chạy được từ đầu. Tôi sẽ dùng một trang danh sách sản phẩm làm ví dụ — kiểu trang mà bạn thực sự sẽ scrape để theo dõi giá hoặc nghiên cứu đối thủ.

Trước khi bắt đầu:

• Mức độ khó: Mới bắt đầu–Trung bình
• Thời gian cần thiết: Khoảng 20–30 phút
• Bạn cần: n8n (self-hosted hoặc Cloud), một URL mục tiêu, trình duyệt Chrome (để tìm CSS selector)

Bước 1: Tạo Workflow Mới và Thêm Manual Trigger

Mở n8n, bấm “New Workflow”, và đặt tên thật rõ ràng — ví dụ “Competitor Price Scraper”. Kéo vào một node Manual Trigger. (Sau này chúng ta sẽ nâng cấp sang trigger theo lịch.)

Bạn sẽ thấy một node duy nhất trên canvas, sẵn sàng chạy khi bạn bấm “Test Workflow”.

Bước 2: Lấy Trang Bằng Node HTTP Request

Thêm node HTTP Request và nối nó với Manual Trigger. Đặt method là GET và nhập URL mục tiêu của bạn (ví dụ https://example.com/products).

Giờ đến bước quan trọng mà phần lớn tutorial bỏ qua: thêm header User-Agent thật giống trình duyệt. Mặc định, n8n gửi axios/xx làm user agent — thứ này rất dễ bị nhận ra là bot. Trong mục “Headers”, thêm:

Nếu bạn scrape nhiều URL, hãy bật Batching (trong Options) và đặt thời gian chờ 1–3 giây giữa các request. Điều này giúp tránh chạm ngưỡng rate limit.

Chạy node. Bạn sẽ thấy HTML thô trong panel output.

Bước 3: Phân Tích Dữ Liệu Bằng Node HTML

Nối một node HTML vào output của HTTP Request. Đặt operation là Extract HTML Content.

Để tìm CSS selector phù hợp, hãy mở trang đích trong Chrome, nhấp chuột phải vào dữ liệu bạn muốn lấy (ví dụ tiêu đề sản phẩm), rồi chọn “Inspect”. Trong panel Elements, nhấp chuột phải vào phần tử HTML được tô sáng và chọn “Copy → Copy selector”.

Cấu hình các giá trị trích xuất như sau:

Chạy node. Bạn sẽ thấy một bảng dữ liệu có cấu trúc — tên sản phẩm, giá, và URL — trong output.

Bước 4: Làm Sạch và Chuẩn Hóa Với Node Code

Dữ liệu scrape thô thường khá lộn xộn. Giá có thể dính khoảng trắng thừa, URL có thể là đường dẫn tương đối, và các trường text có thể có xuống dòng ở cuối. Thêm một node Code và nối nó với node HTML.

Đây là một đoạn JavaScript đơn giản để làm sạch:

1return items.map(item => {
2  const d = item.json;
3  return {
4    json: {
5      product_name: (d.product_name || '').trim(),
6      price: parseFloat((d.price || '').replace(/[^0-9.]/g, '')),
7      url: d.url && d.url.startsWith('http') ? d.url : `https://example.com${d.url}`
8    }
9  };
10});

Bước này rất quan trọng nếu bạn muốn dữ liệu đạt chất lượng production. Bỏ qua nó thì spreadsheet của bạn sẽ đầy những dòng kiểu “$ 29.99\n”.

Bước 5: Xuất sang Google Sheets, Airtable, hoặc CSV

Nối một node Google Sheets (hoặc Airtable, hoặc Convert to File nếu muốn CSV). Xác thực bằng tài khoản Google của bạn, chọn spreadsheet và sheet, rồi map các trường từ output của Code node vào tiêu đề cột.

Chạy toàn bộ workflow. Bạn sẽ thấy dữ liệu sạch, có cấu trúc được đổ vào spreadsheet.

Ghi chú thêm: sang Google Sheets, Airtable, Notion và Excel mà không cần cấu hình node. Nếu bạn không cần cả một chuỗi workflow đầy đủ mà chỉ muốn lấy dữ liệu, đây là một lối tắt rất hữu ích.

Phần Mà Mọi Hướng Dẫn n8n Web Scraping Đều Bỏ Qua: Workflow Phân Trang Hoàn Chỉnh

Phân trang là khoảng trống lớn nhất trong nội dung n8n scraping — và cũng là nguồn gây bực bội số một trong các forum cộng đồng n8n.

Có hai kiểu phân trang chính:

1. Phân trang theo click / tăng dần URL — các trang như ?page=1, ?page=2, v.v.
2. Cuộn vô hạn — nội dung tải thêm khi bạn cuộn xuống (kiểu Twitter, Instagram, hoặc nhiều catalog sản phẩm hiện đại).

Phân Trang Theo Click trong n8n (Tăng URL với Loop Node)

Tùy chọn Pagination tích hợp sẵn trong menu Options của node HTTP Request nghe thì rất tiện. Nhưng trên thực tế, nó không ổn định. Tác giả của tutorial n8n scraping phổ biến nhất (Lakshay Nasa) đã thử và viết rằng: “trải nghiệm của tôi cho thấy nó không hoạt động ổn định.” Người dùng forum báo rằng nó , , và không nhận diện được trang cuối.

Cách đáng tin hơn là: tạo rõ danh sách URL trong một Code node, rồi lặp qua bằng Loop Over Items.

Cách làm như sau:

1. Thêm một Code node để tạo URL các trang:

1const base = 'https://example.com/products';
2const totalPages = 10; // hoặc phát hiện động
3return Array.from({length: totalPages}, (_, i) => ({
4  json: { url: `${base}?page=${i + 1}` }
5}));

2. Nối node Loop Over Items để lặp qua danh sách.
3. Bên trong vòng lặp, thêm node HTTP Request của bạn (đặt URL là {{ $json.url }}), rồi node HTML để phân tích.
4. Thêm node Wait (1–3 giây, ngẫu nhiên) bên trong vòng lặp để tránh lỗi 429 do rate limit.
5. Sau vòng lặp, gom kết quả lại và xuất sang Google Sheets hoặc CSV.

Chuỗi đầy đủ là: Code (tạo URL) → Loop Over Items → HTTP Request → HTML → Wait → (quay lại vòng lặp) → Aggregate → Export.

Một điểm cần lưu ý: node Loop Over Items có là các vòng lặp lồng nhau có thể âm thầm bỏ qua item. Nếu bạn vừa phân trang vừa enrich subpage, hãy test thật kỹ — số lượng “done” có thể không khớp với số lượng đầu vào.

Phân Trang Infinite Scroll: Vì Sao Node Có Sẵn Của n8n Khó Xử Lý

Các trang infinite scroll tải thêm nội dung bằng JavaScript khi bạn cuộn. Node HTTP Request chỉ lấy HTML ban đầu — nó không thể thực thi JavaScript hay kích hoạt sự kiện scroll. Bạn có hai lựa chọn:

• Dùng node headless browser từ cộng đồng (ví dụ hoặc ) để render trang và mô phỏng cuộn.
• Dùng API scraping (ScrapeNinja, Firecrawl, ZenRows) với bật render JavaScript.

Cả hai đều làm độ phức tạp tăng lên đáng kể. Bạn sẽ mất 30–60 phút hoặc hơn cho mỗi site, cộng thêm công bảo trì lâu dài.

Cách Thunderbit Xử Lý Phân Trang Mà Không Cần Cấu Hình

Tôi có thiên kiến, nhưng sự khác biệt là rất rõ:

Nếu bạn đang scrape 200 trang sản phẩm trải trên 10 danh sách có phân trang, n8n sẽ ngốn hết cả buổi chiều của bạn. Thunderbit chỉ mất chừng hai phút. Đó không phải là chê n8n — chỉ là đây là công cụ khác cho một việc khác.

Cài Một Lần, Chạy Mãi: Các Pipeline n8n Web Scraping Kích Hoạt Bằng Cron

Scraping một lần thì hữu ích, nhưng sức mạnh thật sự của n8n web scraping nằm ở việc thu thập dữ liệu tự động, lặp lại theo lịch. Điều khá ngạc nhiên là gần như không có tutorial n8n scraping nào nói về Schedule Trigger cho scraping — dù đây lại là một trong những tính năng được cộng đồng hỏi nhiều nhất.

Xây Pipeline Theo Dõi Giá Hằng Ngày

Thay Manual Trigger bằng node Schedule Trigger. Bạn có thể dùng giao diện n8n (“Every day at 8:00 AM”) hoặc một cron expression (0 8 * * *).

Chuỗi workflow đầy đủ:

1. Schedule Trigger (mỗi ngày lúc 8 giờ sáng)
2. Code node (tạo URL phân trang)
3. Loop Over Items → HTTP Request → HTML → Wait (scrape toàn bộ trang)
4. Code node (làm sạch dữ liệu, chuẩn hóa giá)
5. Google Sheets (thêm các dòng mới)
6. IF node (giá nào có thấp hơn ngưỡng không?)
7. Slack (gửi cảnh báo nếu có)

Kết hợp với đó, hãy dựng một workflow Error Trigger để chạy khi bất kỳ lần thực thi nào thất bại và ping Slack. Nếu không, khi CSS selector hỏng (và nó sẽ hỏng), bạn chỉ phát hiện ra ba tuần sau, lúc báo cáo trống trơn.

Hai yêu cầu không quá rõ ràng nhưng cực kỳ quan trọng:

• n8n phải chạy 24/7. Một instance self-host trên laptop sẽ không kích hoạt khi bạn gập máy lại. Hãy dùng server, Docker hoặc n8n Cloud.
• Sau mỗi lần chỉnh sửa workflow, hãy tắt rồi bật lại workflow. n8n Cloud có là bộ lập lịch có thể tự deregister âm thầm sau khi sửa, mà không báo lỗi gì.

Xây Pipeline Trích Xuất Lead Hằng Tuần

Cùng một mô hình, chỉ khác mục tiêu: Schedule Trigger (mỗi thứ Hai lúc 9 giờ sáng) → HTTP Request (business directory) → HTML (trích xuất tên, điện thoại, email) → Code (loại trùng, làm sạch định dạng) → đẩy sang Airtable hoặc HubSpot.

Gánh nặng bảo trì là chi phí ít được nhắc tới ở đây. Nếu trang danh bạ đổi bố cục, CSS selector của bạn sẽ gãy và workflow sẽ lỗi trong im lặng. HasData ước tính thời gian xây dựng ban đầu nên được dành cho bảo trì liên tục mỗi năm cho bất kỳ pipeline nào dựa trên selector. Khi bạn phải duy trì khoảng 20 site, phần chi phí phát sinh này là có thật.

Scheduled Scraper Của Thunderbit: Lựa Chọn Không Cần Code

Scheduled Scraper của Thunderbit cho phép bạn mô tả khoảng thời gian bằng ngôn ngữ tự nhiên (ví dụ “mỗi thứ Hai lúc 9 giờ sáng”), nhập URL, rồi bấm “Schedule”. Nó chạy trên cloud — không cần hosting, không cần cron expression, không bị deregister ngầm.

Dòng cuối mới là chỗ quan trọng nhất. Người dùng forum nói rất thẳng: “hầu hết đều ổn cho đến khi site đổi giao diện.” Cách tiếp cận dựa trên AI của Thunderbit loại bỏ nỗi đau đó vì nó không phụ thuộc vào CSS selector cố định.

Khi n8n Web Scraper Bị Chặn: Hướng Dẫn Xử Lý Anti-Bot

Bị chặn là nỗi bực bội số một sau phân trang. Lời khuyên quen thuộc — “thêm header User-Agent” — chẳng khác gì khóa cửa màn trước cơn bão.

Theo Imperva 2025 Bad Bot Report, , và trong số đó là độc hại. Các nhà cung cấp anti-bot (Cloudflare, Akamai, DataDome, HUMAN, PerimeterX) đã đáp lại bằng fingerprint TLS, thử thách JavaScript, và phân tích hành vi. Node HTTP Request của n8n, vốn dùng thư viện Axios phía dưới, tạo ra một fingerprint TLS rất riêng, dễ nhận diện, không giống trình duyệt. Đổi User-Agent không giải quyết được gì — đã tố bạn trước khi bất kỳ HTTP header nào được đọc.

Cây Quyết Định Anti-Bot

Dưới đây là khung xử lý có hệ thống — không chỉ đơn giản là “thêm User-Agent”:

Yêu cầu bị chặn?

• 403 Forbidden → Thêm header User-Agent + Accept (xem Bước 2 ở trên) → Vẫn bị chặn?
  • Có → Thêm xoay proxy residential → Vẫn bị chặn?
    • Có → Chuyển sang API scraping (ScrapeNinja, Firecrawl, ZenRows) hoặc node headless browser từ cộng đồng
    • Không → Tiếp tục
  • Không → Tiếp tục
• Xuất hiện CAPTCHA → Dùng API scraping có giải CAPTCHA tích hợp (ví dụ )
• Phản hồi rỗng (nội dung render bằng JS) → Dùng node headless browser từ cộng đồng hoặc API scraping có render JS
• Bị giới hạn tốc độ (lỗi 429) → Bật batching cho node HTTP Request, đặt thời gian chờ 2–5 giây giữa các batch, giảm concurrency

Thêm một điểm đáng chú ý: n8n có khiến node HTTP Request không thể tunnel HTTPS qua proxy HTTP đúng cách. Thư viện Axios sẽ lỗi ở bước bắt tay TLS, dù curl trong cùng container vẫn chạy bình thường. Nếu bạn dùng proxy mà gặp lỗi kết nối khó hiểu, rất có thể đây là nguyên nhân.

Vì Sao Thunderbit Né Được Phần Lớn Vấn Đề Anti-Bot

Thunderbit có hai chế độ scrape:

• Browser Scraping: Chạy ngay trong trình duyệt Chrome thật của bạn, kế thừa cookie phiên làm việc, trạng thái đăng nhập và fingerprint của trình duyệt. Cách này né được phần lớn biện pháp anti-bot vốn chặn request từ server — vì request đó chính là trình duyệt thật.
• Cloud Scraping: Với các site công khai, cloud của Thunderbit xử lý anti-bot ở quy mô lớn — .

Nếu bạn dành nhiều thời gian vật lộn với Cloudflare hơn là phân tích dữ liệu, đây là lựa chọn thực dụng hơn.

Góc Nhìn Thẳng Thắn: Khi n8n Web Scraping Hiệu Quả — và Khi Nên Dùng Công Cụ Khác

n8n là một nền tảng rất tốt. Nhưng nó không phải công cụ đúng cho mọi bài toán scraping, và bài so sánh nào cũng nên nói thật điều này. Người dùng trên forum thậm chí còn hỏi: “làm web scraper với n8n có khó không?” và “công cụ scraping nào phối hợp tốt nhất với n8n?”

Khi n8n Web Scraping Phát Huy Tốt Nhất

• Workflow nhiều bước kết hợp scraping với xử lý phía sau — cập nhật CRM, cảnh báo Slack, phân tích AI, ghi vào database. Đây là thế mạnh cốt lõi của n8n.
• Trường hợp scraping chỉ là một node trong chuỗi tự động hóa lớn hơn — scrape → enrich → filter → đẩy vào CRM.
• Người dùng có kỹ thuật quen với CSS selector và logic dựa trên node.
• Tình huống cần biến đổi dữ liệu tùy chỉnh giữa lúc scrape và lưu trữ.

Khi n8n Web Scraping Trở Nên Vất Vả

• Người dùng không kỹ thuật chỉ cần dữ liệu nhanh. Việc thiết lập node, tìm CSS selector, và vòng lặp debug khá dốc đối với người dùng business.
• Site có lớp bảo vệ anti-bot mạnh. Proxy và API add-on làm tăng chi phí và độ phức tạp.
• Bảo trì khi layout site thay đổi. CSS selector gãy, workflow lỗi âm thầm.
• Scrape số lượng lớn trên nhiều loại website khác nhau. Mỗi site cần cấu hình selector riêng.
• Enrich subpage. Cần dựng các sub-workflow riêng trong n8n.

So Sánh Cạnh Nhau: n8n vs. Thunderbit vs. Python Script

Kết luận: dùng n8n khi scraping là một phần của chuỗi tự động hóa nhiều bước, phức tạp. Dùng Thunderbit khi bạn cần dữ liệu nhanh mà không muốn dựng workflow. Dùng Python khi bạn cần kiểm soát tối đa và có nguồn lực developer. Chúng không phải đối thủ loại trừ nhau — mà là bổ trợ cho nhau.

Những Workflow n8n Web Scraping Thực Tế Bạn Có Thể Sao Chép Ngay

Người dùng forum cứ hỏi mãi: “Có ai đã ghép những thứ này thành workflow nhiều bước chưa?” Dưới đây là ba workflow cụ thể — chuỗi node thực tế mà bạn có thể xây ngay hôm nay.

Workflow 1: Theo Dõi Giá Đối Thủ Trong Ecommerce

Mục tiêu: Theo dõi giá đối thủ mỗi ngày và nhận cảnh báo khi giá giảm.

Chuỗi node: Schedule Trigger (hằng ngày, 8 AM) → Code (tạo URL phân trang) → Loop Over Items → HTTP Request → HTML (trích xuất tên sản phẩm, giá, tình trạng còn hàng) → Wait (2 giây) → (quay lại vòng lặp) → Code (làm sạch dữ liệu, chuẩn hóa giá) → Google Sheets (thêm dòng) → IF (giá dưới ngưỡng?) → Slack (gửi cảnh báo)

Độ phức tạp: 8–10 node, 30–60 phút thiết lập cho mỗi site đối thủ.

Lối tắt với Thunderbit: Scheduled Scraper của Thunderbit + có thể cho kết quả tương tự trong vài phút, với xuất dữ liệu miễn phí sang Google Sheets.

Workflow 2: Pipeline Tìm Kiếm Lead Cho Sales

Mục tiêu: Scrape một danh bạ doanh nghiệp hàng tuần, làm sạch và phân loại lead, rồi đẩy vào CRM.

Chuỗi node: Schedule Trigger (hằng tuần, thứ Hai 9 AM) → HTTP Request (trang listing danh bạ) → HTML (trích xuất tên, điện thoại, email, địa chỉ) → Code (loại trùng, làm sạch định dạng) → OpenAI/Gemini node (phân loại theo ngành) → HubSpot node (tạo contact)

Lưu ý: n8n có node — rất hữu ích để đẩy vào CRM. Nhưng các bước scraping và làm sạch vẫn cần thao tác CSS selector thủ công.

Lối tắt với Thunderbit: và Phone Number Extractor miễn phí của Thunderbit có thể lấy thông tin liên hệ chỉ với 1 cú nhấp, không cần dựng workflow. AI labeling của nó cũng có thể phân loại lead ngay trong lúc trích xuất. Người dùng không cần cả chuỗi tự động hóa đầy đủ có thể bỏ qua hẳn phần setup n8n.

Workflow 3: Theo Dõi Tin Đăng Bất Động Sản Mới

Mục tiêu: Phát hiện listing mới trên Zillow hoặc Realtor.com hàng tuần và gửi email tóm tắt.

Chuỗi node: Schedule Trigger (hằng tuần) → HTTP Request (trang listing) → HTML (trích xuất địa chỉ, giá, số phòng ngủ, link) → Code (làm sạch dữ liệu) → Google Sheets (thêm vào) → Code (so sánh với dữ liệu tuần trước, đánh dấu listing mới) → IF (có listing mới?) → Gmail/SendGrid (gửi bản tóm tắt)

Lưu ý: Thunderbit có — không cần CSS selector. Người dùng cần cả chuỗi tự động hóa (scrape → compare → alert) sẽ được lợi từ n8n; người dùng chỉ cần dữ liệu listing thì hợp với Thunderbit hơn.

Để có thêm ý tưởng workflow, thư viện cộng đồng của n8n có các template cho , , và .

Mẹo Để Các Pipeline n8n Web Scraping Chạy Ổn Định

Scraping cho production chỉ 20% là xây dựng, 80% là bảo trì.

Dùng Batching và Delay Để Tránh Rate Limit

Bật batching trong node HTTP Request và đặt thời gian chờ 1–3 giây giữa các batch. Gửi request đồng thời là cách nhanh nhất để bị khóa IP. Một chút kiên nhẫn ở đây sẽ giúp bạn bớt đau đầu về sau.

Theo Dõi Workflow Executions Để Bắt Lỗi Im Lặng

Dùng tab Executions của n8n để kiểm tra các lần chạy thất bại. Dữ liệu scrape có thể trả về rỗng một cách âm thầm nếu site đổi layout — workflow vẫn “thành công” nhưng spreadsheet toàn ô trống.

Hãy thiết lập một workflow Error Trigger để chạy khi bất kỳ lần thực thi nào thất bại và gửi cảnh báo Slack hoặc email. Đây là yêu cầu bắt buộc cho pipeline production.

Lưu CSS Selector Bên Ngoài Để Dễ Cập Nhật

Giữ CSS selector trong Google Sheet hoặc biến môi trường n8n để bạn có thể cập nhật mà không cần sửa trực tiếp workflow. Khi bố cục site thay đổi, bạn chỉ cần đổi selector ở một nơi.

Biết Khi Nào Nên Chuyển Sang Scraper Dùng AI

Nếu bạn thấy mình liên tục phải cập nhật CSS selector, vật lộn với anti-bot, hoặc dành nhiều thời gian bảo trì scraper hơn là dùng dữ liệu, hãy cân nhắc công cụ AI như — nó đọc lại site mới mỗi lần và tự thích nghi. Cách kết hợp hoạt động rất tốt: Thunderbit xử lý lớp trích xuất dễ gãy (phần cứ hỏng mỗi khi site đổi một <div>), xuất sang Google Sheets hoặc Airtable, rồi n8n lấy các dòng mới thông qua trigger gốc của Sheets/Airtable để lo phần điều phối — cập nhật CRM, cảnh báo, logic điều kiện, phân phối ra nhiều hệ thống.

Kết Lại: Xây Pipeline Phù Hợp Với Đội Của Bạn

n8n web scraping rất mạnh khi bạn cần scraping như một bước trong workflow tự động hóa lớn hơn. Nhưng nó đòi hỏi thiết lập kỹ thuật, bảo trì liên tục, và sự kiên nhẫn với cấu hình phân trang, anti-bot, và lịch chạy. Hướng dẫn này đã đi qua toàn bộ pipeline: workflow đầu tiên của bạn, phân trang (phần mà mọi tutorial đều bỏ qua), lập lịch, xử lý anti-bot, đánh giá thẳng thắn về vị trí của n8n, và những workflow thực tế bạn có thể sao chép.

Cách tôi nhìn nhận là:

• Dùng n8n khi scraping là một phần của chuỗi tự động hóa nhiều bước, phức tạp — cập nhật CRM, cảnh báo Slack, enrich bằng AI, định tuyến có điều kiện.
• Dùng khi bạn cần dữ liệu nhanh mà không muốn dựng workflow — AI sẽ lo gợi ý trường, phân trang, anti-bot và xuất dữ liệu chỉ trong 2 cú nhấp.
• Dùng Python khi bạn cần kiểm soát tối đa và có nguồn lực developer.

Và nói thật, với nhiều đội ngũ thì cấu hình tốt nhất là dùng cả hai: Thunderbit để trích xuất, n8n để điều phối. Nếu bạn muốn xem scraping dùng AI so với workflow n8n của mình khác nhau thế nào, cho phép bạn thử ở quy mô nhỏ — và cài đặt chỉ trong vài giây. Để xem video hướng dẫn và ý tưởng workflow, hãy ghé .

Câu Hỏi Thường Gặp

n8n có thể scrape các website nặng JavaScript không?

Không chỉ với node HTTP Request có sẵn. Node HTTP Request chỉ lấy HTML thô và không thể thực thi JavaScript. Với site render bằng JS, bạn cần một node cộng đồng như hoặc tích hợp API scraping (ScrapeNinja, Firecrawl) có render JavaScript phía server. Thunderbit xử lý tốt các site nặng JS một cách tự nhiên ở cả chế độ Browser và Cloud.

n8n web scraping có miễn phí không?

Bản self-host của n8n là miễn phí và mã nguồn mở. Trước đây n8n Cloud có gói miễn phí, nhưng tính đến tháng 4 năm 2026, họ chỉ còn trial 14 ngày — sau đó giá bắt đầu từ 24 USD/tháng cho 2.500 executions. Scrape các site được bảo vệ cũng có thể cần dịch vụ proxy trả phí (5–15 USD/GB cho residential proxy) hoặc API scraping (49–200+ USD/tháng tùy khối lượng).

n8n web scraping so với Thunderbit thì thế nào?

n8n phù hợp hơn cho các tự động hóa nhiều bước, trong đó scraping chỉ là một phần của workflow lớn hơn (ví dụ: scrape → enrich → filter → đẩy vào CRM → cảnh báo trên Slack). Thunderbit phù hợp hơn cho việc trích xuất dữ liệu nhanh, không cần code, với khả năng nhận diện trường bằng AI, tự động phân trang, và gần như không cần bảo trì khi site thay đổi. Nhiều đội sử dụng cả hai cùng lúc — Thunderbit để trích xuất, n8n để điều phối.

Tôi có thể scrape dữ liệu từ site yêu cầu đăng nhập bằng n8n không?

Có, nhưng bạn cần cấu hình cookie hoặc session token trong node HTTP Request, và việc này khá khó duy trì. Chế độ Browser Scraping của Thunderbit sẽ kế thừa phiên Chrome đã đăng nhập của bạn một cách tự động — nếu bạn đăng nhập được, Thunderbit có thể scrape những gì bạn thấy.

Tôi nên làm gì khi scraper n8n đột nhiên không trả dữ liệu nữa?

Trước tiên, kiểm tra tab Executions của n8n để tìm lỗi. Nguyên nhân phổ biến nhất là site đổi layout làm CSS selector bị gãy — workflow vẫn “thành công” nhưng trường dữ liệu rỗng. Hãy kiểm tra lại selector bằng công cụ Inspect của Chrome, cập nhật chúng trong workflow (hoặc trong sheet selector bên ngoài), rồi test lại. Nếu bạn đang gặp chặn anti-bot, hãy làm theo cây quyết định xử lý lỗi trong hướng dẫn này. Để ổn định lâu dài, hãy cân nhắc một scraper dùng AI như Thunderbit có thể tự thích nghi với thay đổi layout.

Tìm hiểu thêm