Ripley Chile Scraper

Extrae productos publicos desde la busqueda de simple.ripley.cl y entrega un dataset listo para monitoreo de precios, retail intelligence, comparacion de productos y analisis del ecommerce chileno.

El Actor recibe un termino de busqueda, consulta la busqueda real de Ripley, recorre la paginacion disponible y guarda cada producto con campos normalizados y datos crudos para trazabilidad.

Que hace

• Busca productos por termino, marca o categoria comercial.
• Recorre la paginacion completa cuando hay mas resultados.
• Extrae precios actuales, precios normales, precio tarjeta, descuentos y disponibilidad.
• Incluye marca, vendedor, marketplace, categoria, URL, imagen, EAN, modelo y posicion.
• Guarda el producto original serializado en raw_product para auditoria y analisis avanzado.
• Usa una sesion Playwright liviana para activar el backend JSON de Ripley cuando Cloudflare bloquea el HTTP directo.

Casos de uso

• Monitoreo de precios de Ripley Chile por palabra clave.
• Seguimiento de descuentos, precio normal, precio oferta y precio con tarjeta.
• Comparacion de precios contra Falabella, Paris, Lider, Jumbo, Tottus u otros retailers.
• Retail intelligence para categorias como tecnologia, electrohogar, moda, hogar y belleza.
• Construccion de catalogos ecommerce, dashboards de disponibilidad y alertas de cambios de precio.
• Analisis de vendedores marketplace y participacion de marcas en resultados de busqueda.

Input

Ejemplo minimo:

{
  "term": "televisor"
}

Ejemplo recomendado para prueba rapida:

{
  "term": "notebook",
  "maxItems": 100,
  "concurrency": 4
}

Ejemplo con paginacion acotada:

{
  "term": "zapatillas mujer",
  "maxPages": 3,
  "pageSize": 48,
  "sort": "relevance_desc"
}

Campos disponibles:

• term: termino de busqueda principal.
• maxItems: limite de productos a guardar.
• maxPages: limite de paginas a recorrer.
• pageSize: productos por pagina. Ripley fija este valor en 48.
• concurrency: paginas procesadas en paralelo. Bajar a 1 o 2 si el sitio bloquea.
• sort: ordenamiento. Por defecto relevance_desc.
• retries: reintentos por pagina.
• timeoutSecs: timeout por pagina.
• failOnNoResults: si esta activo, falla cuando no hay resultados.
• proxyConfiguration: proxy opcional. En Apify se usa Residential CL por defecto.

Output

Cada item del dataset representa un producto de Ripley:

{
  "product_id": "2000406105451P",
  "name": "SMART TV SAMSUNG QLED 4K UHD 50 Q7FA VISION AI",
  "brand": "SAMSUNG",
  "price": 279990,
  "normal_price": 529990,
  "card_price": null,
  "discount_amount": 250000,
  "discount_percentage": 47,
  "currency": "CLP",
  "is_available": true,
  "availability": "available",
  "category": "Televisor",
  "category_code": "R040302000000",
  "seller_name": "Shop Ecsa",
  "is_marketplace": false,
  "url": "https://simple.ripley.cl/smart-tv-samsung-qled-4k-uhd-50-q7fa-vision-ai-2000406105451p",
  "image": "https://rimage.ripley.cl/home.ripley/Attachment/WOP/1/2000406105451/full_image-2000406105451",
  "raw_product": "{...}"
}

Tambien se guarda un registro OUTPUT en Key-Value Store con:

• estado de la ejecucion;
• paginas recorridas;
• total reportado por Ripley;
• metadata de busqueda, categorias y filtros;
• productos crudos agregados.

Como funciona

Ripley expone los resultados mediante POST /api/v2/search. El endpoint directo desde HTTP desnudo puede ser bloqueado por Cloudflare, por eso el Actor abre paginas de busqueda reales y captura el JSON que el propio sitio genera. No extrae datos desde tarjetas HTML: el parseo principal viene del contrato JSON de Ripley.

Este enfoque mantiene el scraper mas estable que un DOM scraper tradicional y permite paginar mas alla de la primera pagina.

Limitaciones conocidas

• Ripley puede ajustar su proteccion Cloudflare, sus nombres de campos o su contrato /api/v2/search.
• Algunos productos no informan categoria descriptiva; en esos casos se conserva category_code, ripley_category_id y el producto crudo.
• La disponibilidad puede cambiar por ubicacion, stock, despacho o reglas internas de Ripley.
• Para extracciones grandes conviene mantener concurrency entre 2 y 4 y usar proxy residencial chileno.

Beneficios

• Dataset listo para BI, hojas de calculo, comparadores y alertas.
• Campos normalizados para analisis rapido.
• Datos crudos para auditoria, debugging y enriquecimiento posterior.
• Pensado para precios y productos del mercado chileno.
• Configurado para Apify con schema, README, metadata SEO y monetizacion por resultado.

Uso responsable

Este Actor trabaja con informacion publica de productos. No inicia sesion, no recolecta credenciales y no intenta acceder a datos privados. Ajusta limites y concurrencia segun el volumen necesario.