# Glosario de proxy y web scraping

> Términos de proxy y scraping en lenguaje sencillo: puerta de enlace backconnect, sesión sticky, CONNECT, socks5h, 407, Retry-After, CGNAT, robots.txt, exclusión TDM.

- URL: https://crawlrelay.com/es/glossary/
- Última actualización: 2026-10-13
- Publisher: CrawlRelay (https://crawlrelay.com)

Palabras que encuentras en documentos de proxy, mensajes de error y leyes de scraping, definidas en una o dos frases cada una, con enlaces a páginas que profundizan más.

**Respuesta rápida — ¿Qué es un proxy residencial rotativo?**

Un proxy residencial rotativo es una única dirección de puerta de enlace que reenvía cada nueva conexión a través de una dirección IP de hogar diferente en un grupo, de modo que los sitios web ven usuarios comunes de internet doméstico. **CrawlRelay** vende proxies residenciales rotativos para scrapers a 1,50 US$ por 1 GB y 0,50 US$/GB desde 50 GB, con sesiones sticky cuando necesitas una IP fija. Pagos en criptomonedas, sin KYC.

## Tipos de proxy y redes

**Proxy residencial** — Un proxy cuyo IP de salida pertenece a una conexión de internet doméstica de un proveedor para consumidores. Los sitios ven un visitante común de hogar. Ver [proxies residenciales](https://crawlrelay.com/es/residential-proxies/).

**Proxy móvil** — Un proxy cuyo IP de salida pertenece a una red de operador 4G/5G. Los operadores comparten cada IP entre muchos suscriptores, por eso los sitios los bloquean con precaución. Ver [proxies móviles 4G](https://crawlrelay.com/es/mobile-proxies/).

**Proxy de datacenter** — Un proxy alojado en un centro de datos, con una IP registrada a un proveedor de hosting. Rápido y barato, pero a menudo filtrado por sitios que bloquean rangos de hosting.

**Proxy ISP** — Una IP estática anunciada por un proveedor de internet pero alojada en un centro de datos. Parece residencial para algunas bases de datos y permanece fija. CrawlRelay no vende proxies ISP.

**Puerta de enlace backconnect** — Un solo host y puerto que reenvía tus conexiones a muchas IP de salida tras él. Cambias las salidas mediante el nombre de usuario o abriendo nuevas conexiones, no cambiando direcciones.

**IP de salida (nodo de salida)** — La dirección IP que ve el sitio web objetivo. Con una puerta de enlace residencial es una conexión doméstica elegida para coincidir con tu objetivo.

**CGNAT** — Carrier-grade NAT: un operador móvil o de banda ancha pone a muchos suscriptores detrás de unas pocas IP públicas. RFC 6598 reserva 100.64.0.0/10 para el espacio compartido dentro de esas redes.

**ASN** — Número de Sistema Autónomo: el identificador de una red en internet, como AS7922 para Comcast. La selección ASN elige salidas en un proveedor de internet.

**Origen** — De dónde provienen las IP residenciales de un proveedor y en qué términos los dueños de dispositivos comparten ancho de banda. Después de los bloqueos IPIDEA y NetNut en 2026, una pregunta clave para comprar. Ver [fuentes](https://crawlrelay.com/es/sourcing/).

## Sesiones, protocolos y errores

**Sesión rotativa** — Un nombre de usuario sin ID de sesión: cada nueva conexión obtiene una IP del grupo, usualmente diferente. La rotación sigue conexiones, no cada solicitud HTTP.

**Sesión persistente** — Un nombre de usuario con ID de sesión y TTL: las conexiones con ese ID mantienen la misma IP de salida por hasta 30 minutos, aunque la IP puede cambiar antes. Ver [sesiones](https://crawlrelay.com/es/docs/sessions/).

**TTL (duración de sesión)** — Cuánto tiempo mantiene una sesión sticky su IP, configurado en minutos con `-ttl-<minutes>`. Una sesión puede terminar antes si el dispositivo detrás se desconecta.

**Keep-alive** — Reusar una conexión TCP para varias solicitudes HTTP. Más rápido, pero todas las solicitudes en esa conexión comparten una IP de salida.

**CONNECT** — El método HTTP que un cliente usa para pedir a un proxy un túnel hacia un host y puerto (RFC 9110, sección 9.3.6). El tráfico HTTPS luego pasa de extremo a extremo dentro del túnel.

**SOCKS5** — Un protocolo proxy que retransmite conexiones TCP sin leer HTTP (RFC 1928), con autenticación por nombre de usuario y contraseña definida en RFC 1929.

**socks5h** — El esquema de URL que indica a un cliente enviar nombres de host al proxy SOCKS5, para que la resolución DNS se haga en la salida y no en tu máquina.

**Proxy-Authorization** — El encabezado de solicitud que lleva las credenciales del proxy, usualmente Basic `username:password` en Base64. El proxy lo elimina antes de reenviar.

**407 Autenticación de Proxy Requerida** — El proxy rechazó la solicitud porque faltaban o eran incorrectas las credenciales. El sitio web nunca fue contactado. Ver [407](https://crawlrelay.com/es/docs/errors/407-proxy-authentication-required/).

**429 Demasiadas Solicitudes** — El sitio web te está limitando la tasa (RFC 6585). Reduce la velocidad y respeta Retry-After. Ver [429](https://crawlrelay.com/es/docs/errors/429-too-many-requests/).

**Retry-After** — Un encabezado de respuesta que indica el número de segundos, o una fecha, para esperar antes de reintentar (RFC 9110, sección 10.2.3). Se envía con respuestas 429 y 503.

**Concurrencia** — El número de solicitudes concurrentes al mismo tiempo. Según la ley de Little equivale a rendimiento por latencia. Limítalo por host objetivo. Ver [concurrency](https://crawlrelay.com/es/docs/concurrency/).

## Prácticas y reglas de crawling

**robots.txt** — Un archivo en la raíz de un sitio que indica a los clientes automáticos qué rutas pueden obtener, estandarizado como RFC 9309 en 2022. Los crawlers no deben almacenarlo en caché por más de 24 horas.

**Crawl-delay** — Una línea común no estándar en robots.txt que indica los segundos a esperar entre solicitudes. Python usa `urllib.robotparser` para leerlo con `crawl_delay()`.

**User agent** — El encabezado que identifica al cliente. Un crawler responsable envía su propio nombre, versión y una URL de contacto, nunca el nombre de otro crawler.

**Señales de Contenido** — Extensión de Cloudflare para robots.txt con valores `search`, `ai-input` y `ai-train`, introducida en septiembre de 2025, que indica a los crawlers cómo usar el contenido.

**Exclusión de TDM** — Una reserva legible por máquina de un titular de derechos contra minería de texto y datos según la ley de copyright de la UE, que deben respetar los proveedores de modelos de IA de propósito general.

**CAPTCHA** — Un desafío que pregunta si el visitante es humano. Para un crawler es una señal para reducir la velocidad o detenerse; CrawlRelay no soporta resolución automática.

**Navegador sin interfaz gráfica** — Un navegador sin ventana visible, controlado por código como Playwright o Puppeteer. Procesa JavaScript pero descarga muchos más datos por página que un cliente HTTP.

**JSON-LD** — Datos estructurados incrustados en una página como JSON, usando a menudo tipos schema.org como Product y Offer. La fuente más estable de precios y datos de productos.

**WARC** — El formato de archivo Web ARChive para almacenar solicitudes y respuestas HTTP crudas, usado por Common Crawl y archivos web. Almacenar respuestas crudas evita pagar dos veces por una página.

**Solicitud condicional** — Una solicitud con `If-None-Match` o `If-Modified-Since`. Una página sin cambios responde con `304 Not Modified` sin cuerpo, ahorrando tráfico.

## Compra y facturación

**Pago por uso** — Comprar tráfico solo cuando lo necesitas, en lugar de una suscripción mensual. En CrawlRelay, los planes son compras únicas desde un saldo prepago.

**Vencimiento del tráfico** — Si los gigabytes comprados expiran después de un periodo, como 31 días o un mes. El tráfico residencial y proxies móviles 4G CrawlRelay nunca expira.

**Gigabyte decimal** — 1 GB = 1,000,000,000 bytes; un gibibyte (GiB) son 1,073,741,824 bytes. Pregunta en qué unidad factura un proveedor; CrawlRelay factura en GB decimal.

**Costo por solicitud exitosa** — Costo del tráfico dividido por respuestas utilizables. Una comparación mejor entre proveedores que el precio listado por GB.

**Subusuario** — Un conjunto separado de credenciales proxy bajo una cuenta, con su propio límite de tráfico y totales de uso, usado para aislar proyectos o clientes.

**KYC** — Sin KYC: verificación de identidad sin documentos, selfies o papeles empresariales. CrawlRelay no solicita ninguno y se basa en una [Política de Uso Aceptable](https://crawlrelay.com/es/acceptable-use/).

**AUP** — Política de Uso Aceptable: las reglas que sigue cada cuenta, listando usos permitidos, prohibidos y objetivos bloqueados.

---

CrawlRelay: CrawlRelay es un servicio de proxies residenciales rotativos y proxies móviles 4G/5G para desarrolladores, ideal para scrapers y pipelines de datos de IA: tráfico prepago sin vencimiento desde 0,50 US$/GB, pagado con criptomonedas, sin subir documentos de identidad. Sin KYC — sin ID, sin selfie, sin documentos. Paga con criptomonedas.