fn_registry/python/functions/browser/scrape_aliexpress_cdp.md

name, kind, lang, domain, version, purity, signature, description, tags, uses_functions, uses_types, returns, returns_optional, error_type, imports, params, output, tested, tests, test_file_path, file_path

name	kind	lang	domain	version	purity	signature	description	tags	uses_functions	uses_types	returns	returns_optional	error_type	imports	params	output	tested	tests	test_file_path	file_path
scrape_aliexpress_cdp	function	py	browser	1.0.0	impure	def scrape_aliexpress_cdp(query: str, sort: str = 'total_tranpro_desc', limit: int = 40, port: int = 9222, timeout_s: float = 25.0) -> dict	Scrapea productos de AliExpress por Chrome DevTools Protocol (CDP) sobre el navegador diario logueado (chromium-personal, puerto 9222, IP residencial), evitando el captcha que bloquea el scraper HTTP. Capta coste en China (EUR) y numero de pedidos (demanda real) como senal de dropshipping: que importar de China. Ordena por defecto por numero de pedidos.	market-intel aliexpress cdp dropship scraper browser	cdp_eval_py_browser			false	error_py_core	json os re sys time datetime browser.cdp_eval	name desc query Termino de busqueda (ej. 'organizador maletero coche'). Los espacios se convierten en guiones para la URL de busqueda. name desc sort Orden de resultados. 'total_tranpro_desc' = por numero de pedidos (demanda real, default util para dropshipping). Otros: 'default', 'price_asc', 'price_desc'. name desc limit Numero objetivo de productos a recolectar. El scroll itera (cap de 8 scrolls) hasta acercarse a este valor o hasta que el conteo de cards deja de crecer. name desc port Puerto de remote debugging de Chrome. Default 9222 (chromium-personal). name desc timeout_s Timeout en segundos para cada evaluacion CDP. Default 25.0.	dict autosuficiente {status: 'ok'|'error'|'captcha', source:'aliexpress', query, url, count, products:[...]}. Cada product: item_id(str), url(str), title(str), price(float EUR|None), price_orig(float|None), rating(float|None), orders(str crudo p.ej. '10.000+ vendidos'|None), orders_num(int aprox), ship_from(str|None), scraped_at(iso). Nunca inventa datos: sin cards -> status='error' products=[]; captcha -> status='captcha' products=[]. Nunca lanza.	false			python/functions/browser/scrape_aliexpress_cdp.py

Ejemplo

# Requiere chromium-personal con remote debugging en 9222 y sesion logueada.
cd "$HOME/fn_registry"
python/.venv/bin/python3 python/functions/browser/scrape_aliexpress_cdp.py "organizador maletero coche" "total_tranpro_desc" 40

import sys, os
sys.path.insert(0, os.path.join("python", "functions"))
from browser.scrape_aliexpress_cdp import scrape_aliexpress_cdp

res = scrape_aliexpress_cdp("organizador maletero coche", sort="total_tranpro_desc", limit=40)
print(res["status"], res["count"])
for p in res["products"][:3]:
    print(p["price"], "EUR -", p["orders_num"], "pedidos -", p["title"][:50])
# ok 7
# 14.49 EUR - 10000 pedidos - Caja organizadora de maletero de coche, gran capac...
# 56.87 EUR - 5000 pedidos - YZ para Tesla Model Y Juniper 2021-2026, caja de al...

Cuando usarla

Cuando necesites el coste en China + la demanda (numero de pedidos) de un producto para decidir que importar (market intelligence de dropshipping, proyecto captacion_clientes). Usala en lugar de scrape_aliexpress_trending_py_datascience cuando ese scraper HTTP devuelva captcha: esta via opera el navegador diario logueado con IP residencial y no dispara el muro anti-bot. La persistencia (DuckDB/Postgres/Excel) la hace un componente aparte: el dict de salida es autosuficiente y no casa con ninguna tabla.

Gotchas

• Impura, depende del navegador diario: requiere chromium-personal corriendo con --remote-debugging-port=9222 y la sesion de AliExpress logueada (IP residencial). Sin CDP vivo, cdp_eval devuelve ok=False y la funcion retorna status='error'.
• Pisa la pestana activa de AliExpress: navega via location.href sobre el primer target page cuya URL contenga "aliexpress" (o el primer page si no hay). Si tienes una pestana de AliExpress con trabajo en curso, la reemplaza.
• Volumen real bajo por pagina: la galeria /w/wholesale-... suele exponer solo ~7-12 cards reales (el resto son banners promocionales "GRATIScon una compra" sin precio, que se descartan). count reflejara los productos reales disponibles en la pagina, no siempre llegara a limit. Para mas volumen hay que paginar (&page=2), fuera del alcance de esta funcion.
• Fragil ante cambios de HTML de AliExpress: depende del selector .search-item-card-wrapper-gallery y del formato del texto de la card (14,49€32,2€ -55%4.610.000+ vendidos). Si AliExpress cambia el markup, la extraccion devolvera campos None o status='error' (no inventa datos).
• Lee textContent, no innerText: las cards fuera del viewport devuelven innerText vacio; por eso se usa textContent normalizado. El texto viene pegado sin saltos de linea y los regex no dependen de \n.
• Captcha posible: si AliExpress muestra el slider "nc" / punish page, la funcion lo detecta y devuelve status='captcha' sin intentar resolverlo. Reaccion correcta: handoff humano (activar la pestana y resolver a mano).
• orders_num es aproximado: '10.000+' -> 10000, '5.000+' -> 5000, '1.234' -> 1234 (quita puntos de millar y el +). El + significa "al menos ese numero".