Alternativas a PhantomJS: qué utilizar ahora y cómo realizar la migración

Sí. El desarrollo de PhantomJS se suspendió en marzo de 2018, después de que su principal responsable dejara el cargo en 2017. La última versión estable es la 2.1.1, de enero de 2016, y el repositorio de GitHub se archivó como de solo lectura en mayo de 2023. Una vulnerabilidad conocida relacionada con la lectura de archivos, CVE-2019-17221, no tiene versión parcheada.

PhantomJS era un navegador sin interfaz gráfica programable, basado en QtWebKit y controlado mediante JavaScript. Ariya Hidayat lo lanzó en 2011 y, durante años, fue la forma predeterminada de extraer datos de páginas JavaScript, capturar capturas de pantalla, generar archivos PDF y ejecutar pruebas de front-end en CI sin necesidad de una pantalla. Posteriormente, Chrome incorporó su propio modo sin interfaz gráfica, y la razón para mantener una versión independiente de WebKit dejó de tener sentido.

En la práctica, «descontinuado» significa cuatro cosas. No se lanzan parches de seguridad, por lo que el CVE anterior permanece abierto. No se incorporan nuevas funciones de la plataforma web, ya que el motor es una versión de WebKit de 2016 que no incluye años de cambios en CSS y JavaScript. Los envoltorios de npm están obsoletos. Selenium ha eliminado la compatibilidad con PhantomJS, por lo que los conjuntos de pruebas basados en él no se pueden actualizar. Los binarios antiguos siguen ejecutándose y cargando páginas sencillas, pero no reciben mantenimiento y no son seguros para páginas que no controlas.

Sí. El repositorio de GitHub de CasperJS se archivó en junio de 2020 y se indica que ya no se mantiene de forma activa. Su última versión, la 1.1.4-2, se lanzó en noviembre de 2017. CasperJS era una capa de scripts que se ejecutaba sobre PhantomJS o SlimerJS, por lo que no puede sustituir a PhantomJS. En su lugar, traslada los scripts de CasperJS a Playwright o Puppeteer.

Los scripts de CasperJS son una cadena de pasos de navegación, lo que facilita su portabilidad. Cada then paso se convierte en una llamada «await», y los localizadores de Playwright esperan a los elementos por sí mismos, por lo que desaparecen la mayoría de las esperas explícitas:

Zombie.js también está archivado. Su última versión, la 6.1.4, se lanzó en noviembre de 2018. Nunca fue un navegador real: simulaba un DOM dentro de Node.js, por lo que no puede renderizar páginas ni capturar capturas de pantalla. Las pruebas escritas para él se portan mejor al ejecutor de pruebas de Playwright.

SlimerJS, el proyecto basado en Gecko que compartía la API de PhantomJS, lleva años inactivo. Ninguna de estas tres herramientas tiene cabida en un nuevo proyecto.

Elige en función de lo que hiciera tu script de PhantomJS. Utiliza Playwright para el scraping, las capturas de pantalla y las pruebas entre navegadores. Utiliza Puppeteer para la automatización de Chrome solo en Node y para archivos PDF. Utiliza Selenium WebDriver si tus pruebas ya se ejecutan en una red de WebDriver. Si los datos se encuentran en el HTML inicial de la página, omite el navegador y utiliza un cliente HTTP.

La mayoría de los equipos utilizaban PhantomJS para realizar una de estas pocas tareas. Busca la tuya en la columna de la izquierda:

Ninguna herramienta ha sustituido por sí sola a PhantomJS. Los navegadores modernos cuentan ahora con un auténtico modo sin interfaz gráfica, y funcionan gracias a un conjunto de bibliotecas. Por eso, es mejor tomar una decisión caso por caso para cada script que optar por una solución única para todo el equipo.

Playwright, Puppeteer y Selenium se mantienen activamente y cubren casi todos los casos de uso de PhantomJS. Headless Chrome también puede ejecutarse de forma independiente desde la línea de comandos. HtmlUnit se mantiene para realizar pruebas en Java sin un navegador real. Splash sigue existiendo para los usuarios de Scrapy, pero rara vez se distribuye. CasperJS, Zombie.js y el propio PhantomJS están archivados.

Playwright está mantenido por Microsoft y controla Chromium, Firefox y WebKit a través de una única API. Sus localizadores esperan a que los elementos estén vinculados, sean visibles y estén estables antes de actuar, lo que elimina la mayor parte del código de sincronización que llevaban los scripts de PhantomJS. Cada contexto de navegador está aislado, con sus propias cookies y almacenamiento, por lo que puedes ejecutar muchas sesiones en un mismo proceso del navegador. También incluye un ejecutor de pruebas con seguimiento, capturas de pantalla en caso de fallo y trabajadores en paralelo.

Para los usuarios de PhantomJS, el motor WebKit es el detalle clave. Si necesitas reproducir antiguas capturas de pantalla de PhantomJS o comprobar cómo se representa una página en un motor similar a Safari, ejecuta webkit en lugar de chromium y deja el resto del script sin cambios.

Los equipos de Python obtienen la misma API a través de pip install playwright seguido de playwright install, y los equipos de Java pueden añadir el com.microsoft.playwright paquete de Maven. Nuestra guía de extracción de datos web con Playwright abarca los selectores, la paginación y la exportación de datos, y la documentación de Playwright enumera todas las API utilizadas a continuación.

Puppeteer lo mantiene el equipo de Chrome y está pensado principalmente para Node.js. Es la adaptación más sencilla desde PhantomJS JavaScript, ya que el objeto de página asíncrono y page.evaluate resulta familiar, y un script típico conserva su estructura. Gestiona bien las capturas de pantalla y la generación de PDF, y ahora controla Firefox a través de WebDriver BiDi, además de Chrome.

La diferencia fundamental entre PhantomJS y Puppeteer es el motor. Puppeteer controla una versión actual de Chrome, mientras que PhantomJS ejecuta una versión de WebKit de 2016. Las páginas que fallan en PhantomJS debido a JavaScript o CSS modernos suelen representarse correctamente en Puppeteer sin necesidad de un tratamiento especial.

Para obtener una guía completa sobre selectores, navegación y extracción de datos, lee nuestra guía sobre scraping con Puppeteer y Node.js. La documentación de Puppeteer cubre las opciones de inicio, incluido el headless: 'shell' modo que se describe a continuación.

Selenium implementa el estándar WebDriver del W3C, con enlaces oficiales para Java, Python, C#, Ruby y JavaScript. Es compatible con todos los navegadores principales, se escala horizontalmente a través de Selenium Grid y está incorporando WebDriver BiDi para eventos bidireccionales, como los registros de la consola y la actividad de red. A diferencia de Puppeteer, no depende del protocolo Chrome DevTools para sus comandos básicos. Es la solución natural para los equipos de Java y Ruby que utilizaban PhantomJS, así como para las suites que ejecutaban PhantomJS a través de GhostDriver.

Los enlaces de Python dejaron de admitir PhantomJS en la versión 3.8.1 y lo eliminaron en la 4.0 Alpha 6, por lo que webdriver.PhantomJS() ya no existe. Cambia a Chrome o Firefox con la opción «headless», y tus localizadores y afirmaciones seguirán funcionando. En Java, eso significa new ChromeOptions().addArguments("--headless=new").

Si estás empezando desde cero en Python, consulta nuestra guía para crear un scraper de Selenium en Python. La documentación de Selenium trata sobre los controladores, las esperas y la configuración de Grid.

Chrome se ejecuta en modo sin interfaz gráfica desde la versión 59, en 2017. Desde la versión 112, el modo sin interfaz gráfica es el mismo navegador que el Chrome habitual, pero sin ventanas visibles. La implementación anterior, independiente, sigue existiendo como un binario autónomo llamado chrome-headless-shell (desde Chrome 132), que Puppeteer expone como headless: 'shell'.

Las tareas puntuales no necesitan una biblioteca. Un único comando sustituye a un breve script de PhantomJS:

google-chrome --headless --screenshot=shot.png --window-size=1280,800 https://books.toscrape.com/
google-chrome --headless --print-to-pdf=page.pdf https://books.toscrape.com/
google-chrome --headless --dump-dom https://books.toscrape.com/ > page.html

Los parámetros están documentados en la documentación del modo sin interfaz gráfica de Chrome. Los lectores de Python pueden comparar las opciones en nuestra descripción general de los navegadores sin interfaz gráfica en Python.

HtmlUnit es un navegador sin interfaz gráfica para programas en Java. Ejecuta JavaScript, pero no renderiza píxeles, por lo que resulta adecuado para pruebas en Java que comprueban la lógica de las páginas y los formularios, no para capturas de pantalla. Se sigue actualizando activamente; la versión más reciente es la 5.6.0, de octubre de 2026.

Splash es un servicio de renderizado programable con una API HTTP y scripts en Lua, que se utiliza principalmente a través de Scrapy-Splash. Sigue funcionando para los equipos que ya lo utilizan, pero la actividad de desarrollo ha sido escasa desde 2024. Para nuevos proyectos de scraping, Playwright es la opción más segura.

Si estás comparando Puppeteer con sus propios competidores en lugar de como sustituto de PhantomJS, consulta nuestra comparación de alternativas a Puppeteer.

La mayoría de las llamadas de PhantomJS tienen un equivalente uno a uno tanto en Playwright como en Puppeteer, por lo que la adaptación consiste principalmente en cambiar los nombres. page.open se convierte en page.goto, page.render se convierte en page.screenshot o page.pdf, page.evaluate mantiene su nombre, y las funciones de devolución de llamada se convierten en async/await. El verdadero cambio está en las esperas. Sustituye los tiempos de espera fijos por esperas basadas en selectores o en el estado de carga.

Se han modificado dos filas en las últimas versiones de Puppeteer. Las cookies ahora residen en el navegador o en el contexto del navegador (browser.setCookie), ya que los métodos de cookies a nivel de página han quedado obsoletos. Además, setUserAgent toma un objeto de opciones. Los tutoriales más antiguos que llaman a page.setCookie siguen funcionando, pero muestran advertencias de obsolescencia.

Este script abre la tienda de práctica «Books to Scrape», lee el título de la página y los cinco primeros enlaces a libros, guarda una captura de pantalla y se cierra:

// legacy.js (PhantomJS 2.1.1): run with `phantomjs legacy.js`
var page = require('webpage').create();
var url = 'https://books.toscrape.com/';

page.viewportSize = { width: 1280, height: 800 };

page.open(url, function (status) {
  if (status !== 'success') {
    console.log('Failed to load ' + url);
    phantom.exit(1);
  }
  var data = page.evaluate(function () {
    var links = document.querySelectorAll('article.product_pod h3 a');
    return {
      title: document.title.trim(),
      books: Array.prototype.slice.call(links, 0, 5).map(function (a) {
        return { title: a.getAttribute('title'), href: a.href };
      })
    };
  });
  console.log(JSON.stringify(data, null, 2));
  page.render('books.png');
  phantom.exit();
});

Instala Playwright con npm install playwright y npx playwright install chromium, y a continuación ejecuta el puerto como un módulo ES:

// modern.mjs (Playwright for Node.js): run with `node modern.mjs`
import { chromium } from 'playwright';

const url = 'https://books.toscrape.com/';
const browser = await chromium.launch();
const page = await browser.newPage({ viewport: { width: 1280, height: 800 } });

try {
  await page.goto(url);
  await page.locator('article.product_pod').first().waitFor();

  const data = await page.evaluate(() => ({
    title: document.title.trim(),
    books: [...document.querySelectorAll('article.product_pod h3 a')]
      .slice(0, 5)
      .map((a) => ({ title: a.getAttribute('title'), href: a.href })),
  }));

  console.log(JSON.stringify(data, null, 2));
  await page.screenshot({ path: 'books.png', fullPage: true });
} finally {
  await browser.close();
}

Ambos scripts muestran los mismos datos:

{
  "title": "All products | Books to Scrape - Sandbox",
  "books": [
    {
      "title": "A Light in the Attic",
      "href": "https://books.toscrape.com/catalogue/a-light-in-the-attic_1000/index.html"
    },
    {
      "title": "Tipping the Velvet",
      "href": "https://books.toscrape.com/catalogue/tipping-the-velvet_999/index.html"
    },
    {
      "title": "Soumission",
      "href": "https://books.toscrape.com/catalogue/soumission_998/index.html"
    },
    {
      "title": "Sharp Objects",
      "href": "https://books.toscrape.com/catalogue/sharp-objects_997/index.html"
    },
    {
      "title": "Sapiens: A Brief History of Humankind",
      "href": "https://books.toscrape.com/catalogue/sapiens-a-brief-history-of-humankind_996/index.html"
    }
  ]
}

La estructura apenas cambia. La llamada de retorno pasa a ser de nivel superior await, try/finally sustituye a las llamadas dispersas phantom.exit() , de modo que el navegador siempre se cierre, y una espera explícita en las fichas de productos sustituye a la esperanza de que page.open se active lo suficientemente tarde. La función que pasas a page.evaluate sigue ejecutándose dentro de la página, por lo que tu código DOM se traslada tal cual, y puedes prescindir de las soluciones alternativas de ES5 como Array.prototype.slice.call.

Para utilizar Puppeteer en su lugar, importa puppeteer, llama a puppeteer.launch(), configura la ventana gráfica con page.setViewport()y sustituye la espera del localizador por page.waitForSelector('article.product_pod'). Todo lo demás permanece igual.

Haz un inventario de lo que hace cada script y, a continuación, elige el sustituto adecuado para cada tarea. Instala Playwright o Puppeteer y adapta las llamadas con la tabla de correspondencias. Sustituye las esperas fijas por esperas de selector y compara los resultados con capturas de pantalla o datos antiguos. Por último, elimina los binarios de PhantomJS y los paquetes envolventes de tus dependencias, imágenes de CI y archivos Dockerfile.

1. Inventario. Busca en el código fuente phantomjs, require('webpage'), casper, GhostDriver, y karma-phantomjs-launcher. Revisa también las configuraciones de CI y los archivos Dockerfile, ya que PhantomJS suele ocultarse en un paso de compilación más que en el código de la aplicación.
2. Clasifica cada script por tarea. Utiliza la tabla de selección rápida anterior. Una tarea de captura de pantalla y una suite de Selenium necesitan sustitutos diferentes, incluso en el mismo repositorio.
3. Instala el sustituto. Playwright descarga sus propias compilaciones de navegador con npx playwright install, por lo que la integración continua (CI) necesita ese paso o la imagen oficial de Docker. Los equipos de Python utilizan pip install playwright y playwright install en su lugar.
4. Adapta las llamadas. Sigue la tabla de correspondencias. Las llamadas de retorno se convierten en async/await, y las propiedades de los controladores de eventos, como page.onConsoleMessage se convierten en page.on(...) escuchas.
5. Corrige las esperas. Esta es la fuente más habitual de diferencias tras una migración. Sustituye cada setTimeout y onLoadFinished truco por una espera del elemento o del estado de carga que realmente necesites.
6. Compara el resultado. Compara el HTML, los datos extraídos o las capturas de pantalla con una ejecución de PhantomJS. Es de esperar que haya algunas diferencias de renderizado, ya que el nuevo motor admite fuentes, maquetación y CSS que WebKit de 2016 no admitía.
7. Actualiza la integración continua (CI) y los contenedores. Instala las bibliotecas del sistema que necesita el nuevo navegador y elimina el binario de PhantomJS y cualquier OPENSSL_CONF solución alternativa de fontconfig que hayas añadido para él.
8. Elimina los restos. Elimina los paquetes y lanzadores antiguos, tal y como se explica a continuación.

Sustituye karma-phantomjs-launcher por el lanzador Chrome Headless de Karma y, a continuación, planifica el abandono de Karma, que ya está en desuso. Elimina phantomjs-prebuilt, que npm marca como obsoleto, y adapta sus scripts a Playwright o Puppeteer. Sustituye las sesiones de GhostDriver por los controladores de Selenium para Chrome o Firefox en modo sin interfaz gráfica, ya que Selenium 4 ha eliminado PhantomJS.

Estos restos son donde PhantomJS suele sobrevivir más tiempo, ya que se encuentran en herramientas de pruebas y automatización de navegadores que nadie toca hasta que falla una compilación.

Karma. El repositorio «karma-phantomjs-launcher» se archivó tras su última actividad en 2017. La solución rápida consiste en instalar karma-chrome-launcher y configurar browsers: ['ChromeHeadless'] en karma.conf.js. Eso mantiene la suite en verde, pero Karma es el mayor problema. El aviso de obsolescencia de Karma indica que ya no admite nuevas funcionalidades ni correcciones generales de errores. Angular ha añadido Jest y Web Test Runner como vías de migración, y cualquiera de las dos es adecuada para las pruebas unitarias que antes se ejecutaban en PhantomJS.

Paquetes de npm. phantomjs-prebuilt (última versión 2.1.16) aparece marcado en npm con «este paquete ya está obsoleto», y el antiguo phantomjs apunta a él. Ambos descargan el binario 2.1.1, que ya no recibe mantenimiento. Elimínalos con npm uninstall phantomjs-prebuilt phantomjs, y a continuación comprueba tu archivo de bloqueo, ya que otras dependencias de desarrollo a veces los incluyen.

Selenium y GhostDriver. DesiredCapabilities.PHANTOMJS y webdriver.PhantomJS() han desaparecido de Selenium 4. En Python, el cambio se realiza en tres líneas:

from selenium import webdriver

options = webdriver.ChromeOptions()
options.add_argument("--headless=new")
driver = webdriver.Chrome(options=options)

Selenium Manager busca o descarga un controlador compatible, por lo que ya no es necesario incluir un binario de GhostDriver por separado. Firefox funciona de la misma manera con FirefoxOptions y el -headless argumento.

Imágenes de Docker. Elimina cualquier apt-get install phantomjs o instalación global de PhantomJS mediante npm. Utiliza la imagen oficial de Playwright o sigue las instrucciones de Puppeteer sobre las bibliotecas del sistema que necesita Chrome en un contenedor.

A menudo, no. Muchos rastreadores de PhantomJS se escribieron cuando la renderización parecía más segura, pero si los datos ya están en el HTML inicial de la página o en un punto final JSON, un cliente HTTP junto con un analizador sintáctico es más rápido y sencillo. Comprueba primero el código fuente de la página y utiliza un navegador solo cuando el contenido aparezca después de que se ejecute JavaScript.

Una comprobación rápida te llevará un minuto:

1. Abre la página y visualiza su código fuente, no el DOM inspeccionado.
2. Busca en el código fuente el valor que quieras extraer, como un precio o el nombre de un producto.
3. Si no está ahí, abre la pestaña «Red» en las herramientas de desarrollo de tu navegador y busca solicitudes XHR o fetch que devuelvan JSON.

Si en el paso 2 se encuentra el valor, una simple solicitud HTTP y un analizador lo obtienen en una fracción del tiempo y la memoria que necesita un navegador. Si en el paso 3 se encuentra un punto final JSON, llámalo directamente y omite también el análisis del HTML. Nuestra comparación entre Cheerio y Puppeteer muestra ambos enfoques uno al lado del otro en Node.js.

Reserva el navegador para las tareas que lo requieran: navegar por flujos, iniciar sesión, desplazamiento infinito, capturas de pantalla, archivos PDF y pruebas visuales.

Deja de alojarlos tú mismo cuando el mantenimiento del navegador cueste más de lo que valen los scripts. Las señales más comunes son los fallos y las fugas de memoria a gran escala, la divergencia de versiones del navegador en la integración continua (CI), las solicitudes bloqueadas y la necesidad de comprobar páginas desde varios países y dispositivos. Una API gestionada ejecuta el navegador y devuelve HTML, datos o capturas de pantalla a través de solicitudes HTTP simples.

Ejecutar un navegador sin interfaz gráfica es fácil. Ejecutar cientos es otra historia. Tienes que gestionar los límites de concurrencia, limpiar los procesos de Chrome que nunca se cierran, mantener sincronizadas las versiones del navegador entre los portátiles de los desarrolladores y la integración continua (CI), y lidiar con sitios web que bloquean el tráfico del centro de datos. Si necesitas ver una página tal y como la ven los visitantes de otro país, también necesitas infraestructura en ese país.

La API de navegador de WebScrapingAPI libera a tus servidores de esa carga. Envías una URL con tiempos de espera, como wait_until o wait_for_css, y acciones en la página, como hacer clic, desplazarse, escribir, seleccionar y enviar. Devuelve HTML renderizado, un DOM en formato JSON, campos extraídos o una captura de pantalla en base64. Se trata de una interfaz REST de solicitud-respuesta sin sesión de navegador en tiempo real, por lo que no es necesario integrarla con Puppeteer ni Playwright. Describes los pasos en la solicitud y recibes el resultado.

En cuanto a las tareas de capturas de pantalla y control de calidad que solía gestionar PhantomJS, nuestra solución de pruebas de sitios web en distintos mercados y dispositivos comprueba las páginas públicas por país, dispositivo y ventana de visualización, y guarda capturas de pantalla como prueba.

Si solo necesitas HTML renderizado, compara las API de acceso web para encontrar la opción más sencilla que se adapte a tus necesidades.

No para páginas en las que no se confíe. PhantomJS no ha recibido parches de seguridad desde que se suspendió su desarrollo en 2018, y la vulnerabilidad CVE-2019-17221 permite que una página lea archivos locales page.open() sin que exista una versión parcheada. Si debes mantenerlo durante un breve periodo, ejecútalo únicamente en páginas que controles, en un contenedor aislado, mientras realizas la migración.

Puedes, pero no deberías. El phantomjs-prebuilt paquete está marcado como obsoleto en npm, y sus binarios corresponden a la versión 2.1.1, que ya no recibe mantenimiento. En los proyectos nuevos se debería instalar Playwright o Puppeteer en su lugar. Ambos descargan una versión actual del navegador y cuentan con mantenedores activos y documentación.

Playwright se adapta a la mayoría de los equipos. Es compatible con Chromium, Firefox y WebKit, cuenta con enlaces para Python, Java y .NET, y espera automáticamente a que los elementos estén listos. Puppeteer es una buena opción para proyectos Node que solo necesitan Chrome, o para la generación de PDF. Ambos adaptan los scripts de PhantomJS con un esfuerzo similar, ya que page.evaluate funcionan de la misma manera.

No. Selenium dejó de recomendar PhantomJS en la versión 3.8.1 y lo eliminó en Selenium 4, por lo que webdriver.PhantomJS() las sesiones de PhantomJS y GhostDriver ya no funcionan. Cambia esas pruebas a Chrome o Firefox con la opción «headless». Tus localizadores y aserciones de WebDriver se mantienen prácticamente iguales, por lo que la adaptación suele ser mínima.

El lanzador «Chrome Headless» de Karma es el sustituto habitual de «karma-phantomjs-launcher». Sin embargo, el propio Karma ya está en desuso. Para una solución a largo plazo, traslada las pruebas unitarias a un ejecutor que se mantenga activamente, como Jest o Web Test Runner, que Angular ha añadido como rutas de migración.

Playwright. Incluye una versión de WebKit junto con Chromium y Firefox, lo que lo convierte en la opción de renderizado más similar al motor QtWebKit de PhantomJS. Úsalo cuando necesites reproducir capturas de pantalla antiguas de PhantomJS o probar un renderizado similar al de Safari. Para todo lo demás, Chromium es la opción predeterminada habitual.

Elige según la tarea. Utiliza Playwright para la mayoría de tareas de scraping, capturas de pantalla y pruebas entre navegadores; Puppeteer para la automatización de Chrome con Node.js y archivos PDF; y Selenium para las suites de WebDriver existentes en cualquier lenguaje. Antes de portar un scraper, comprueba si los datos ya están en el HTML, porque el navegador más rápido es aquel que no ejecutas. A continuación, elimina los binarios, los wrappers y los lanzadores de PhantomJS para que nada vuelva a incorporar el motor antiguo a tus compilaciones.

Renderiza páginas JavaScript sin ejecutar un navegador. Envía una URL a la API de Scraper y obtén el HTML renderizado. Empieza con 5.000 solicitudes gratuitas. La renderización de JavaScript y la geolocalización no suponen ningún coste adicional, y las solicitudes fallidas no se facturan.

Explora la API de Scraper