Revisa los enlaces descubiertos
Cada vez que se ejecuta un trabajo de captura de datos, construye un mapa de todas las URL que encuentra por el camino: no solo las páginas que capturó, sino también los enlaces que vio y decidió no seguir. Es la lista de Discovered links, y es la forma más rápida de entender qué hizo realmente el trabajo.
Antes de empezar
- Abre un trabajo de captura de datos de sitio web (o de búsqueda) que haya completado al menos una ejecución.
Pasos
- Abre la página de detalle del trabajo desde Captura de datos.
- Selecciona la pestaña Discovered links. La lista muestra todas las URL que encontró el trabajo durante su última ejecución.
- Repasa las URL para confirmar que están las páginas que esperabas. Cada entrada muestra la URL, si se procesó o se omitió y cómo se descubrió (desde qué página estaba enlazada).
- Busca entradas inesperadas: páginas fuera del alcance previsto, o páginas importantes que aparecen como omitidas. Estas señales te indican si hay que ajustar el alcance.
Comprueba el resultado
Las páginas que querías deberían aparecer en la lista con estado procesado. Si faltan páginas importantes, puede que haya que ampliar los hostnames, las reglas de rutas o la profundidad de rastreo del trabajo. Si se han colado páginas no deseadas, el alcance es demasiado amplio.
Solución de problemas
- ¿Faltan enlaces importantes? Amplía los hostnames, relaja las reglas de rutas incluidas o aumenta la profundidad de rastreo.
- ¿Ves enlaces que no quieres? Añade una regla de ruta excluida para filtrarlos en la siguiente ejecución.