sis-scraper 1.0.0

Scraper para consultar datos del SIS de Perú con anti-detección y caché

SIS Scraper 🏥

Librería Python para consultas con anti-detección y caché.

Características

• ✅ Anti-detección: User-Agent rotation, headers spoofing, delays aleatorios
• ✅ Caché SQLite: Guarda resultados por 1 año (configurable)
• ✅ OCR automático: Resuelve CAPTCHAs con ddddocr + OpenCV
• ✅ Reintentos automáticos: Si falla el captcha, reintenta

Instalación

# Desde el directorio del proyecto
pip install -e .

# O instalación normal
pip install .

Uso Rápido

from sis_scraper import SisScraperAntiDeteccion

# Crear scraper
scraper = SisScraperAntiDeteccion()

# Consultar DNI (con reintentos automáticos)
resultado = scraper.consultar_con_reintentos("12345678")

if resultado["exito"]:
    print(f"Nombre: {resultado['datos_personales']['nombre']}")
    print(f"Estado: {resultado['datos_personales']['estado']}")

Uso como CLI

# Si instalaste el paquete
sis-scraper

# O directamente
python -m sis_scraper.scraper

Configuración

# Cambiar duración del caché (en horas)
scraper = SisScraperAntiDeteccion(cache_horas=720)  # 30 días

# Cambiar ubicación de la base de datos
scraper = SisScraperAntiDeteccion(db_path="/ruta/mi_cache.db")

Estructura del Resultado

{
  "exito": true,
  "mensaje": "Consulta exitosa",
  "datos_personales": {
    "nombre": "APELLIDO APELLIDO NOMBRE",
    "documento": "DNI 12345678",
    "afiliacion": "2-12345678",
    "tipo_asegurado": "TITULAR",
    "estado": "ACTIVO"
  },
  "afiliaciones": [...]
}

Dependencias

• requests
• beautifulsoup4
• ddddocr
• opencv-python
• Pillow
• lxml
• fake-useragent (opcional)

Licencia

MIT