Cómo hacer scraping de Goodreads en 2026 (API y Python)

La forma más rápida de scrapear Goodreads en 2026 es llamar a una API estructurada que devuelve JSON normalizado — detalle de books, ratings, reviews, perfiles de autor y rankings de listas — en lugar de parsear el HTML de Goodreads tú mismo. Esto pesa más aquí que en la mayoría de plataformas de esta serie: Amazon cerró la Goodreads Developer API a nuevos solicitantes en diciembre de 2020, así que no existe una vía oficial, de pago o enterprise para volver a entrar. Esta guía cubre DIY, no-code y una API estructurada, además de la realidad legal por delante.

¿Por qué scrapear Goodreads?

Goodreads es el dataset público de ratings y reviews de books más grande de la web, que alimenta:

• Enriquecimiento de catálogo de books — asociar title canónico, autor, rating y datos de género a una app de lectura o a un dataset interno.
• Recomendación y descubrimiento — construir features de "libros similares" o de recomendación por género a partir de datos de ratings y estanterías.
• Investigación de recepción — seguir cómo se mueven el rating promedio y el volumen de reviews de un book tras su lanzamiento o una adaptación mediática.
• Seguimiento de autor y bibliografía — seguir el catálogo completo, citas y el sentimiento de los lectores hacia un autor a lo largo del tiempo.
• Monitoreo de listas y tendencias — observar los rankings de Listopia y las estanterías por género para ver qué están leyendo realmente los lectores.

¿Es legal scrapear Goodreads?

Opción 1: DIY en Python (y por qué se rompe)

Como no hay API, un enfoque DIY significa parsear directamente las páginas de books, autores y reviews renderizadas por el servidor de Goodreads:

import requests
from bs4 import BeautifulSoup

resp = requests.get(
    "https://www.goodreads.com/book/show/2767052-the-hunger-games",
    headers={"User-Agent": "Mozilla/5.0 (compatible; research-bot/1.0)"},
)
soup = BeautifulSoup(resp.text, "html.parser")
# Rating, review count, and description live in a mix of embedded JSON
# and page markup that shifts across Goodreads' redesigns

Funciona en la demo y luego se rompe:

• El robots.txt bloquea activamente rutas clave. Las reglas del user-agent por defecto de Goodreads prohíben /search, /review/show, /api y /work, entre otras — un crawler ingenuo que sigue la navegación normal tropieza con ellas rápido.
• Sin markup estable, y sin API a la que recurrir. La estructura de páginas de Goodreads cambia con cada rediseño, y a diferencia de la mayoría de plataformas de esta serie no hay un endpoint oficial al que cambiar cuando el scraping se rompe.
• Anti-bot a escala Amazon. Goodreads pertenece a Amazon desde 2013 y vive detrás de infraestructura a nivel Amazon — las IPs de datacenter y los clientes ingenuos reciben rate-limit o bloqueo.
• Reviews y editions se paginan por separado. La lista completa de reviews de un book y su lista completa de editions viven cada una en sus propias subpáginas paginadas, así que una sola carga de página nunca te da un registro completo.

Opción 2: Herramientas no-code

Algunos marketplaces de scrapers no-code y extensiones de navegador ofrecen templates predefinidos de Goodreads para exportaciones puntuales — útiles para una sola lista de lectura o un lote pequeño de titles. Son un parche razonable para un proyecto hobby, pero son incómodas de correr en un schedule, no exponen un contrato de datos limpio, y cargan con la misma exposición a los ToS y al anti-bot que un script DIY, porque scrapean las mismas páginas por debajo.

Opción 3: Una API estructurada de Goodreads

Para un workflow repetible y con permisos bien delimitados, una Goodreads scraping API devuelve JSON normalizado sin páginas que parsear ni un programa de developers muerto que esperar. Busca un book para obtener su id:

curl "https://api.crawlora.net/api/v1/goodreads/search?q=hunger+games" \
  -H "x-api-key: $CRAWLORA_API_KEY"

{
  "code": 200,
  "msg": "OK",
  "data": {
    "query": "hunger games",
    "results": [
      {
        "id": "2767052",
        "title": "The Hunger Games",
        "author": "Suzanne Collins",
        "author_id": "153394",
        "average_rating": 4.35,
        "ratings_count": 10177818,
        "pages": 374,
        "uri": "https://www.goodreads.com/book/show/2767052-the-hunger-games"
      }
    ]
  }
}

Luego resuelve el id y pide detalle del book, reviews y datos del autor en Python:

import requests
h = {"x-api-key": "YOUR_API_KEY"}
base = "https://api.crawlora.net/api/v1/goodreads"

hits = requests.get(f"{base}/search", headers=h, params={"q": "hunger games"}).json()["data"]["results"]
book_id, author_id = hits[0]["id"], hits[0]["author_id"]

book = requests.get(f"{base}/book/{book_id}", headers=h).json()["data"]
reviews = requests.get(f"{base}/book/{book_id}/reviews", headers=h, params={"limit": 20}).json()["data"]
author = requests.get(f"{base}/author/{author_id}", headers=h).json()["data"]

El detalle del book llega como JSON normalizado (campos reales — revisa los docs):

{
  "code": 200,
  "msg": "OK",
  "data": {
    "id": "2767052",
    "title": "The Hunger Games",
    "series": "The Hunger Games #1",
    "genres": ["Young Adult", "Dystopia", "Fiction"],
    "pages": 374,
    "publisher": "Scholastic Press",
    "publication_date": "2008-10-14",
    "isbn13": "9780439023481",
    "rating": {
      "average": 4.35,
      "ratings_count": 10177796,
      "reviews_count": 272857,
      "distribution": { "one_star": 133619, "five_star": 5602217 }
    }
  }
}

Los perfiles de autor devuelven bio, géneros y rating agregado; las bibliografías del autor, sus citas y las listas Listopia siguen todas la misma forma: entra un id, sale JSON normalizado:

{
  "data": {
    "id": "153394",
    "name": "Suzanne Collins",
    "birth_date": "August 11, 1962",
    "genres": ["Fiction", "Science Fiction & Fantasy", "Young Adult"],
    "average_rating": 4.3,
    "ratings_count": 21497265
  }
}

/goodreads/author/{id}/books pagina por la bibliografía completa de un autor, /goodreads/book/{id}/editions devuelve cada edition de una obra (formato, editorial, ISBN, fecha de publicación), /goodreads/genre/{name} devuelve los books top de una estantería de género, y /goodreads/list/{id} devuelve un ranking Listopia. Guarda una fila por book (o por review, por edition) y vuelve a correrlo con un schedule.

Qué puedes recolectar

Metadata pública de books, autores y listas: resultados de búsqueda (id, title, autor, rating, número de páginas); detalle del book (descripción, series, géneros, formato, editorial, fecha de publicación, ISBN/ISBN13, promedio y distribución de rating); editions del book en distintos formatos; reviews de books visibles públicamente (reviewer, rating, texto, conteos de likes/comments); perfiles de autor (bio, fecha de nacimiento, géneros, rating agregado); la lista completa de books de un autor; citas del autor; rankings de estanterías por género; y rankings de listas Listopia. Solo datos públicos — nada de estanterías privadas, progreso de lectura ni información a nivel de cuenta.

Limitaciones y desafíos comunes

• No existe fallback de API. A diferencia de la mayoría de plataformas de esta serie, no hay un endpoint oficial al que cambiar si un enfoque de scraping se rompe — Goodreads retiró su programa de developers en 2020 y no lo ha reabierto.
• El robots.txt y los ToS restringen ambos el acceso automatizado. Limita cualquier proyecto a páginas públicas de books, ratings y reviews, evita las rutas prohibidas y nunca republiques en bloque el texto completo de las reviews.
• Anti-bot a escala Amazon. Espera rate-limiting y bloqueos ante requests ingenuos o desde IPs de datacenter.
• Fan-out por book. Las reviews completas y las editions se paginan cada una por separado, así que un registro completo de un book requiere varias llamadas, no una.
• Solo datos públicos. Esto recolecta lo que Goodreads ya muestra públicamente — nunca una forma de saltarte un muro de login o de acceder a datos de estanterías privadas.

Dónde se usa esto

• Catálogos de apps de lectura — asociar title canónico, autor y datos de rating a un producto de descubrimiento o seguimiento de books.
• Motores de recomendación — impulsar el descubrimiento de "libros similares" y por género a partir de patrones de ratings y estanterías.
• Investigación editorial y de recepción — seguir tendencias de rating y reviews de un title en torno a su lanzamiento o a noticias de adaptación.

Fuentes

Empieza a recolectar

Pruébalo primero, gratis: pasa cualquier URL pública por el Free Web Scraper, o revisa si un sitio bloquea bots con el Anti-Bot Checker — sin registro.

Prueba los endpoints de search, book y author en el Playground, revisa el schema en los API docs y consulta el pricing. Goodreads es el patrón de "obra creativa + reviews públicas" para books — la misma forma que IMDb cubre para cine y TV, y Discogs cubre para música. Si estás siguiendo la recepción más allá de los books, how to scrape Trustpilot reviews cubre el mismo patrón de rating/review para negocios. El resto del catálogo de books y audio también está cubierto — how to scrape Apple Books para ebooks y audiobooks, y how to scrape manga data para la misma metadata de title en el lado del manga. Ver también how to choose a web scraping API e is web scraping legal.

Parte de nuestra serie de guías how-to-scrape — todas las plataformas que cubrimos, en un solo índice.