Prepara el texto de sitios web para tu propia investigación.
Convierte páginas web en Markdown
Sitio web a Markdown
Introduce URLs de páginas públicas para extraer su contenido legible como Markdown para tus documentos y análisis.
Precio base · se aplican descuentos por volumen
Consigue 2500 créditos gratis / mes $0,19 / 1.000 resultados
Resultados recopilados
HTML pages; extra runtime/unchanged-page events billed by providerMuestra guardada · 1 fila
URLurl | Títulotitle | Idiomalanguage |
|---|---|---|
| https://docs.apify.com/academy | Apify Academy | Academy | Apify Documentation | en |
Resultados reales recopilados el 16 oct 2026 (UTC). Es una muestra guardada; los datos de la fuente pueden cambiar. Los valores que faltan no fueron devueltos por la fuente. Pasa el cursor sobre un valor recortado o cambia a JSON para leerlo completo.
Acerca de estos campos de salida
| Campo | Tipo | Descripción |
|---|---|---|
url | string | Campo url devuelto. Puede faltar si la fuente no lo proporciona. |
title | string | Campo title devuelto. Puede faltar si la fuente no lo proporciona. |
language | string | Campo language devuelto. Puede faltar si la fuente no lo proporciona. |
Qué puedes hacer
Guarda el contenido de páginas de forma estructurada.
Recopila un conjunto acotado de páginas de documentación.
Define tus fuentes
Abre el scraper e introduce tus propias URLs, términos de búsqueda y límites.
Revisa y ejecuta
Comprueba la estimación de coste y confirma la tarea. Sigue su progreso en tu cuenta.
Usa tus datos
Explora los resultados guardados y expórtalos en CSV, JSON o XLSX. La descarga de resultados guardados es gratuita.
Entrada de ejemplo
Esta es la entrada configurada del parser. Sustituye las fuentes de ejemplo por las tuyas y revisa todos los límites antes de ejecutar.
JSON · entrada de ejemplo
{
"startUrls": [
"https://docs.apify.com/academy"
],
"maxPages": 1,
"maxDepth": 0,
"crawlScope": "path",
"useSitemap": false
}Ver los campos de entrada
| Campo | Tipo | Notas |
|---|---|---|
startUrls | array | Páginas públicas desde las que empezar (hasta 50). Por defecto solo se rastrean las páginas bajo la misma ruta: https://docs.example.com/guide rastrea /guide/… pero no /blog/. No se rastrean páginas tras un inicio de sesión ni direcciones privadas o internas. |
maxPages | integer | Detenerse tras este número de páginas HTML (1–2000). La ejecución nunca devuelve más páginas que este número. |
maxDepth | integer | A cuántos clics de una URL inicial seguir enlaces. 0 = solo las URLs iniciales. |
crawlScope | string | Qué enlaces seguir: bajo la ruta de la URL inicial (recomendado para documentación), en cualquier parte del mismo host o en cualquier subdominio del mismo dominio. |
useSitemap | boolean | Añade también las URLs dentro del alcance del sitemap del sitio (desde robots.txt o /sitemap.xml). Encuentra páginas que no están enlazadas. Las fechas del sitemap rellenan lastModified. |
includeGlobs | array | Rastrear solo URLs que coincidan con alguno de estos patrones (URL completa). * coincide dentro de un segmento de ruta, ** coincide con cualquier cosa. Ejemplo: https://docs.example.com/**/api/**. Si se define, sustituye a la regla de ruta pero se mantiene en los hosts iniciales. Las páginas intermedias (índices) también deben coincidir, o no se encontrarán las páginas enlazadas solo desde ellas. |
excludeGlobs | array | No rastrear nunca URLs que coincidan con estos patrones. Ejemplo: **/changelog/** o **/*?page=*. |
removeSelectors | string | Selectores CSS que eliminar antes de la conversión, p. ej. .ad, .related-posts. La navegación, cabeceras, pies, barras laterales y avisos de cookies se eliminan siempre. |
includeLinks | boolean | Añade la lista de enlaces encontrados en cada página, incluidos los enlaces a otros sitios (hasta 1000). |
Ejecutar a través de la API
Crea una clave de API en tu cuenta, envía la entrada al endpoint de cola y usa el ID de tarea devuelto para obtener los resultados. Enviar una solicitud real consume créditos. Sustituye el Idempotency-Key de ejemplo por una clave única nueva para cada tarea; conserva esa clave al reintentar la misma tarea.
cURL · encolar una tarea
curl --request POST 'https://extracto.cloud/api/v1/parsers/website-markdown-extractor/queue' \
--header 'X-API-KEY: ext_your_api_key' \
--header 'Idempotency-Key: replace_with_a_new_unique_task_key' \
--header 'Content-Type: application/json' \
--header 'Accept: application/json' \
--data-binary @- <<'JSON'
{
"input": {
"startUrls": [
"https://docs.apify.com/academy"
],
"maxPages": 1,
"maxDepth": 0,
"crawlScope": "path",
"useSitemap": false
}
}
JSONEstimación base
- Mejor opción
- Starter
- filas / mes
- 257,9 mil
- Concurrencia
- Hasta 2
- $ / 1k filas
- $0,19
Usa el volumen mensual para planificar tu presupuesto en créditos. Las estimaciones usan la tarifa base; el precio del crédito del paquete, las opciones, los mínimos por tarea y el redondeo pueden cambiar el uso. Los créditos comprados se pagan una sola vez, sin renovación automática. La capacidad de ejecución es compartida. Envíos por API: hasta 10/segundo.
Preguntas frecuentes
¿Cómo empiezo?
Abre el scraper, introduce tus propias fuentes y un límite de resultados finito, y revisa la estimación antes de ejecutar.
¿Qué puedo exportar?
Los resultados guardados se pueden exportar desde tu cuenta. La muestra de arriba admite exportación en CSV y JSON.
¿Cuáles son los límites?
Algunos sitios bloquean el acceso automatizado o necesitan renderizar JavaScript. No se incluye la monitorización de cambios; la extracción puede no devolver contenido si la página no está disponible.
¿La muestra está en vivo?
La tabla es un resultado guardado, recopilado el 16 de octubre de 2026. Los datos de la fuente pueden cambiar; ejecuta tu propia tarea para obtener datos actuales.
Tu próximo dataset empieza aquí.
Elige tus fuentes, revisa el precio y ejecuta Sitio web a Markdown.