Cómo scrapear datos de MLB en 2026 (API y Python)

MLB ya tiene una forma gratuita de obtener datos de béisbol: una API JSON muy usada y sin key en statsapi.mlb.com que alimenta a MLB.com y está detrás de las populares librerías de Python MLB-StatsAPI y pybaseball de la comunidad. La trampa es que MLB nunca la ha publicado oficialmente — no hay portal para desarrolladores, ni changelog, ni garantía de que un campo no se mueva o desaparezca en el próximo deploy. Esta guía cubre ese endpoint no documentado, herramientas sin código y una API de MLB estructurada y documentada, además de lo que realmente dicen los Términos de Uso de MLB sobre reproducir y redistribuir sus datos.

¿Por qué scrapear datos de MLB?

Los datos de calendario, standings, roster y stats de MLB alimentan un conjunto reconocible de productos:

• Herramientas de fantasy baseball — rosters, stats de jugadores y calendarios de enfrentamientos para decisiones de alineación.
• Contexto de apuestas deportivas y cuotas — calendarios de partidos, resultados y standings junto a datos de cuotas de otras fuentes.
• Investigación histórica y analítica — splits de stats de liga y de jugadores por temporada para análisis de rendimiento.
• Apps de fans y medios — marcadores en vivo, widgets de standings y rastreadores de transacciones.
• Cobertura deportiva multi-liga — combina la profundidad específica de béisbol de MLB con los marcadores multideporte de ESPN o la cobertura de eventos en vivo de SofaScore para un pipeline de datos deportivos más amplio.

¿Es legal scrapear datos de MLB?

Opción 1: la propia Stats API no documentada de MLB (y por qué depender de ella es riesgoso)

statsapi.mlb.com no exige ninguna autenticación — sin API key, sin bearer token, solo un GET:

curl "https://statsapi.mlb.com/api/v1/schedule?sportId=1&date=2026-04-15"

# team lookups work the same way:
curl "https://statsapi.mlb.com/api/v1/teams?sportId=1"

Esto es real, es gratis, y es exactamente lo que llaman por debajo los paquetes de Python MLB-StatsAPI y pybaseball mantenidos por la comunidad — se usan mucho en proyectos de hobby y de analítica, y ambos dejan claro que son wrappers no oficiales y no afiliados sobre este mismo endpoint. Así que el planteamiento honesto no es "MLB no tiene API" — sí la tiene, y lleva años abierta y sin key. El problema es lo que "no documentada" te cuesta de verdad en producción:

• Nunca hay documentación oficial. Cada endpoint, parámetro y nombre de campo en circulación (sportId, hydrate, las formas anidadas teams.home/teams.away) fue obtenido por terceros mediante ingeniería inversa, no publicado por MLB.
• Sin changelog, sin garantía de estabilidad. Como no es un producto de desarrollador sancionado, MLB puede renombrar, reestructurar o eliminar campos entre deploys sin avisar a nadie que dependa de ellos.
• Sin rate limits publicados. No hay nada sobre lo que diseñar una estrategia de retry/backoff, más allá de prueba y error de la comunidad.
• La profundidad del esquema varía según la llamada. Recursos anidados como boxscores o jugada a jugada necesitan parámetros hydrate que la documentación de la comunidad tuvo que averiguar por inspección, no a partir de una especificación.
• Estás a un rediseño de MLB.com de tener un pipeline roto, sin canal de soporte al que preguntar qué cambió.

Opción 2: herramientas sin código

Los scrapers genéricos sin código y los actors de marketplace pueden traer el marcador de un solo día o una tabla de standings para una exportación puntual. En su mayoría envuelven por debajo los mismos endpoints no documentados de statsapi.mlb.com — así que heredan el mismo riesgo de schema drift que la Opción 1 — y no resuelven el problema de normalizar MLB junto a otras plataformas deportivas en un solo esquema.

Opción 3: una API de MLB estructurada (vía Crawlora)

Una API de MLB estructurada te da un esquema documentado y normalizado en vez de confiar en un endpoint que MLB podría reformar sin avisar — un único header de auth, JSON consistente, junto a otras plataformas deportivas como ESPN y SofaScore. Trae el calendario de un equipo:

curl -G "https://api.crawlora.net/api/v1/mlb/schedule" \
  -H "x-api-key: $CRAWLORA_API_KEY" \
  --data-urlencode "team_id=147" \
  --data-urlencode "start_date=2026-04-01" \
  --data-urlencode "end_date=2026-04-07"

{
  "code": 200,
  "data": {
    "start_date": "2026-04-01",
    "end_date": "2026-04-07",
    "team_id": 147,
    "total_games": 6,
    "games": [],
    "fetched_at": "2026-08-09T12:00:00Z",
    "source_url": "https://statsapi.mlb.com/api/v1/schedule"
  }
}

Luego trae stats de jugadores o equipos por id en Python (campos reales — revisa los docs para la forma completa de splits[]):

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

teams = requests.get(f"{base}/teams", headers=h, params={"season": 2026}).json()["data"]["teams"]

stats = requests.get(
    f"{base}/player-stats", headers=h,
    params={"id": 660271, "season": 2026, "group": "hitting"},
).json()["data"]
print(stats["player_id"], stats["season"], stats["group"], stats["total"])

Las stats a nivel de equipo siguen la misma forma (una respuesta real, vacía en pretemporada, del endpoint en vivo):

{
  "code": 200,
  "data": { "team_id": 147, "season": 2026, "group": "hitting", "splits": [] }
}

Los endpoints de roster, standings, transactions y detalle de partido siguen el mismo patrón de id-in, JSON-out: /mlb/team-roster (team_id, season, roster_type), /mlb/standings (season, type), /mlb/transactions (start_date, end_date, team_id, player_id) y /mlb/game / /mlb/game-boxscore / /mlb/game-play-by-play (id — un game_id de una respuesta de schedule o transactions). Guarda una fila por partido o por jugador-temporada y vuelve a ejecutarlo con un cronograma.

Qué puedes recolectar

Datos públicos de la MLB Stats API, normalizados: schedule (por fecha, rango de fechas o equipo, con total_games y un array games); standings (agrupados por temporada y tipo); teams (roster completo de la temporada de todas las franquicias); team roster (por equipo y temporada, con roster_type); detalle de jugador y stats de jugador (por id, temporada y grupo de stats — bateo, pitcheo, fildeo); stats de equipo (el mismo split de grupo/temporada a nivel de equipo); líderes de stats de toda la liga (league-stats, por temporada y grupo); detalle de partido, boxscore y jugada a jugada (por game_id, con plays[], linescore y decisions); y transactions (canjes, firmas y movimientos de roster por rango de fechas, equipo o jugador).

Limitaciones y desafíos comunes

• Dos superficies legales distintas. Los Términos de Uso de mlb.com rigen el sitio web y su contenido; statsapi.mlb.com no tiene términos propios publicados — delimita con cuidado el uso comercial o a gran escala frente a las ToU reales de MLB, en vez de asumir que el acceso sin key significa uso sin restricciones.
• El endpoint no documentado puede cambiar sin aviso. Si construyes directamente sobre statsapi.mlb.com, presupuesta renombrados silenciosos de campos y la ausencia de un changelog que revisar.
• Fan-out por id. Un registro de partido completo (boxscore, jugada a jugada, decisions) es una llamada por game_id; una temporada entera de stats de jugadores implica iterar ids a partir de una respuesta de roster o búsqueda.
• Los datos de pretemporada y entretemporada son escasos. Las respuestas de stat-split y schedule pueden devolver arrays vacíos legítimamente fuera de temporada, como se mostró arriba — eso no es una llamada rota.
• Solo datos públicos. Esto recolecta lo que MLB ya sirve a través de sus propios endpoints en vivo — nunca una forma de saltarse la licencia de MLB para la redistribución comercial de su contenido.

Dónde se usa esto

• Herramientas de fantasy baseball — decisiones de alineación y waivers a partir de rosters y splits de stats.
• Analítica e investigación — rendimiento histórico de jugadores y equipos por temporada.
• Dashboards de medios deportivos — marcadores en vivo, standings y feeds de transacciones.
• Productos deportivos multi-liga — la profundidad de béisbol de MLB junto a los marcadores multideporte de ESPN o la cobertura de eventos en vivo de SofaScore.

Fuentes

Empieza a recolectar

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

Prueba los endpoints de schedule, standings y player-stats en el Playground, revisa el esquema en los API docs y consulta los precios. ESPN es la mejor opción para marcadores y noticias multi-liga en varios deportes; MLB es la fuente más profunda y específica de béisbol cuando necesitas splits de stats de toda la temporada, rosters o jugada a jugada. SofaScore completa la cobertura de eventos en vivo para los deportes fuera del alcance propio de MLB. Del lado gaming del mismo hub cluster, how to scrape PlayStation Store cubre precios y ofertas del catálogo de consolas. Una vez que tengas el calendario, how to scrape Ticketmaster cubre el lado del mercado de entradas de esos mismos partidos. Consulta también how to choose a web scraping API y is web scraping legal.