Rastrea un sitio web
Si tu conocimiento ya está publicado en internet, apunta un trabajo de captura de datos hacia él. Le das una dirección de inicio y lee tus páginas una a una, convirtiéndolas en conocimiento buscable, sin copiar y pegar.
Antes de empezar
- Decide qué sitio (o qué sección) quieres capturar.
- Crea o elige el dataset que debe llenar.
- Asegúrate de que tienes permiso para rastrear el sitio.
Pasos
- Abre Captura de datos en el menú principal.
- Elige New data capture para abrir el formulario de creación.
- Elige la opción website: es la forma estándar de capturar las páginas públicas de un sitio.
- Dale al trabajo un título claro para reconocerlo después (p. ej., "Rastreo del centro de ayuda" o "Blog — semanal").
- Añade una o varias URL de inicio: son las páginas por las que empieza el trabajo. Abre cada una, lee sus enlaces y los sigue hacia fuera. Si introduces la raíz de una sección (como
https://acme.com/docs/), el trabajo encuentra todo lo que está enlazado desde ahí. - Elige el dataset de destino donde irá a parar el contenido capturado. Puedes elegir uno existente o crear uno nuevo en este paso.
- Si quieres, añade etiquetas: cada elemento de contenido que capture el trabajo llevará estas etiquetas, lo que facilita filtrar y editar en bloque más adelante.
- Crea el trabajo. Seekdown guarda la configuración e inicia la primera ejecución automáticamente.
Mantén el trabajo dentro de sus límites
Un trabajo de captura de datos solo visita sus hostnames permitidos y respeta tus reglas de rutas incluidas/excluidas, una profundidad de enlaces y un tope de páginas fijado por el alcance de captura (Preview 100, Small 500, Medium 1500, Large 5000 o Custom). Configúralos antes de una ejecución grande; consulta Ajustar el alcance de captura.
Elige un alcance de rastreo
El alcance de rastreo limita cuántas páginas puede capturar una sola ejecución. Elige el más pequeño que siga cubriendo tu contenido:
| Alcance | Máx. de páginas | Ideal para |
|---|---|---|
| Preview | 100 | Una primera prueba, un sitio pequeño o una sección concreta. |
| Small | 500 | Un blog o un sitio de producto modesto. |
| Medium | 1500 | Un sitio de documentación o de soporte típico. |
| Large | 5000 | Un centro de soporte grande o un sitio con muchas secciones. |
| Custom | Sin tope fijo | Casos especiales (sujeto al consumo de tu plan). |
Un buen hábito: empieza con poco, confirma que está capturando las páginas correctas y luego amplía el alcance y vuelve a ejecutarlo.
Comprueba el resultado
Se abre la página de detalle del trabajo. Sigue su estado y revisa el contenido actualizado o los enlaces descubiertos para ver qué ha encontrado.
Solución de problemas
- Si no captura nada, revisa los hostnames, las reglas de rutas, la profundidad y los mensajes de URL bloqueadas.
- Algunos sitios requieren inicio de sesión o bloquean el rastreo por completo.