Extractor de datos de perfiles de GitHub a Google Sheets - Flujo de trabajo de n8n

Reclutadores y captadores de talento que buscan recopilar datos completos sobre posibles candidatos a desarrolladores.
Analistas de Datos que necesitan datos estructurados y enriquecidos de fuentes web.
Especialistas en Automatización que buscan ejemplos avanzados de gestión dinámica de hojas de cálculo dentro de un flujo de trabajo de n8n.
Usuarios de BrowserAct que necesitan un sistema robusto para procesar resultados complejos de extracción web usando un nodo de n8n.

Este sofisticado flujo de trabajo de n8n actúa como un motor de enriquecimiento de datos. Resuelve el desafío de convertir una lista básica de URLs de GitHub en registros detallados y organizados. Partiendo de una lista fuente en Google Sheets, el flujo de n8n utiliza el nodo BrowserAct de n8n para realizar scraping con navegador sin cabeza en cada perfil. Fundamentalmente, incluye un nodo Code de n8n para reparar y consolidar la salida JSON desordenada que a menudo resulta de tareas de extracción complejas. Finalmente, en lugar de volcar todos los datos en una sola hoja, esta plantilla de n8n crea dinámicamente una pestaña separada y organizada para cada usuario de GitHub, asegurando una separación limpia de los datos de perfil, enlaces y repositorios. Este nivel de estructura hace que los informes resultantes sean inmediatamente accionables.

El proceso completo se inicia mediante el disparador Manual de n8n, o se puede configurar para ejecutarse según un horario.

1. Lectura de entrada: El flujo de trabajo de n8n comienza extrayendo una lista maestra de URLs de GitHub de una Hoja de cálculo de Google fuente designada a través del nodo Get row(s) in sheet de n8n.


2. Procesamiento iterativo: El nodo Loop Over Items de n8n asegura que cada URL de perfil se procese secuencialmente, creando una ruta de ejecución separada y dedicada para cada usuario.


3. Ejecución de la extracción: Se envía un mensaje de Slack confirmando el inicio de la tarea. Luego, el nodo Run a workflow task (BrowserAct) de n8n lanza la tarea externa de extracción, pasando la URL del perfil como entrada.


4. Espera y Recuperación: El nodo Get details of a workflow task de n8n pausa la ejecución del flujo de n8n hasta que la tarea de extracción se completa totalmente y recupera los datos de salida brutos.


5. Corrección y consolidación de datos: El nodo especializado Code in JavaScript de n8n toma la salida bruta, corrige errores comunes de formato JSON (como comillas faltantes alrededor de claves) y fusiona todos los puntos de datos extraídos (resumen del perfil, enlaces, repositorios) en un único elemento de datos limpio.


6. Creación dinámica de hoja: Para el usuario recién procesado, el flujo de trabajo de n8n crea dinámicamente una nueva pestaña en la Hoja de cálculo de Google nombrada según el usuario, borra cualquier dato existente y establece las cabeceras.


7. Formato de salida: Los datos consolidados se segmentan usando nodos Split Out de n8n en tres categorías: Datos del Usuario (resumen del perfil), Enlaces del Usuario y Repositorios del Usuario.


8. Escritura final: Cada segmento de datos se escribe en la hoja dedicada del usuario mediante nodos separados Append row in sheet de Google Sheets, finalizando el informe estructurado.

Para desplegar esta plantilla de flujo de trabajo de n8n, sigue estos pasos:

1. Importar: Copia el JSON proporcionado en tu instancia de n8n usando la opción 'Import from JSON'.


2. Credenciales de Google Sheets: Configura las credenciales de la API OAuth2 de Google Sheets. Deberás especificar tanto la hoja de cálculo de entrada (que contiene la lista de URLs en una columna llamada URL) como la hoja de cálculo de salida (donde se escribirán los datos extraídos).


3. Configuración de BrowserAct: Configura tus credenciales de API de BrowserAct. Asegúrate de tener activa la plantilla externa de BrowserAct requerida y anota su ID de Flujo de Trabajo para actualizar el nodo Run a workflow task de n8n.


4. Configuración de Slack (Opcional pero recomendado): Configura tus credenciales de OAuth2 de la API de Slack y actualiza el ID de Canal en el nodo Send a message de n8n para recibir alertas de ejecución.


5. Ejecución: Usa el disparador manual de n8n para probar el flujo de trabajo de n8n o establécelo en estado Activo para ejecuciones programadas.

Este flujo de trabajo de n8n se basa en varios tipos de nodos centrales y de la comunidad de n8n para gestionar el flujo y la transformación de datos:

Al hacer clic en ‘Execute workflow’ (ManualTrigger): El disparador principal de n8n utilizado para la ejecución manual del pipeline de datos.
Google Sheets (Get row(s) in sheet): Recupera la lista de URLs objetivo de GitHub de tu hoja de cálculo de entrada predefinida.
Loop Over Items (SplitInBatches): Un nodo de control de flujo de n8n que asegura que todo el proceso de automatización se ejecute individualmente para cada URL recuperada, manteniendo la integridad de los datos.
BrowserAct (Run a workflow task/Get details of a workflow task): Estos nodos especializados de n8n gestionan la interacción con el servicio externo de extracción web. Inician la tarea de extracción y esperan la salida JSON rica y detallada.
Configuración clave: Pasa ={{ $json.URL }} al parámetro Target_Page de la plantilla de BrowserAct.
Code in JavaScript (Nodo Code de n8n): Esencial para la limpieza de datos. Este nodo de n8n utiliza JavaScript para aplicar correcciones mediante expresiones regulares (regex) a cadenas JSON mal formadas, analiza la cadena limpia y consolida los objetos de datos en un único elemento unificado antes de escribirlo en Sheets.
Google Sheets (Create sheet, Clear sheet, Append row in sheet): Gestiona la salida. El nodo Create sheet de n8n utiliza una expresión dinámica (={{ $json.Name }}) para generar pestañas únicas para el informe de cada usuario.
Nodo Split Out de n8n: Se utiliza tres veces (Split Out1, Split Out, Split Out2) para separar el elemento de datos consolidado en listas distintas listas para la escritura fila por fila (por ejemplo, separando la información del perfil del usuario de una lista de repositorios).