Parser de sitemapListos para usar

Un parser de Python ya preparado que lee el sitemap.xml de un sitio y guarda el título, la descripción y el H1 de cada página

Suele estar listo en 15 minutosCambios incluidosControl de calidad
Paquetes
Protección de pagoDetalles
  • Los cambios dentro del paquete son gratuitos.
  • Si no responde en los 3 días siguientes a la entrega, el trabajo se acepta automáticamente.

El dinero queda reservado al pagar y solo se libera cuando usted acepta el trabajo.

Un parser de Python ya preparado que lee el sitemap.xml de un sitio y guarda el título, la descripción y el H1 de cada página

Ejemplo de resultado

Ejemplo del paquete Estándar

Parser del catálogo de un proveedor de herramientas de jardín a Excel

Cómo queda el resultado

ReferenciaNombrePrecioDisponiblePesoFoto
GT-1042Tijeras de podar, 20 mm18,90Sí0,24 kg…/gt-1042.jpg
GT-1187Sierra plegable, 210 mm24,50Sí0,31 kg…/gt-1187.jpg
GT-2210Tijeras para setos, hoja ondulada39,00No1,10 kg…/gt-2210.jpg
GT-3305Pala de mano, acero inoxidable9,80Sí0,18 kg…/gt-3305.jpg
GT-4120Manguera de jardín 25 m, 1/2"42,00Sí2,90 kg…/gt-4120.jpg

El archivo del ejemplo tiene 1.236 productos de 52 páginas de lista.

Una parte del código

def product_links(list_url: str) -> Iterator[str]:
    """Enlaces a las páginas de producto de todas las páginas de la lista, siguiendo 'Siguiente'."""
    url: str | None = list_url
    while url:
        page = fetch(url)
        for card in page.select("div.product-card a.title"):
            yield urljoin(url, card["href"])
        next_link = page.select_one("a.pagination-next")
        url = urljoin(url, next_link["href"]) if next_link else None


def fetch(url: str) -> BeautifulSoup:
    """Una página abierta, a un ritmo prudente: una pausa entre peticiones y algunos reintentos si hay errores."""
    for attempt in range(3):
        time.sleep(settings.delay_seconds)
        response = session.get(url, timeout=30)
        if response.status_code == 200:
            return BeautifulSoup(response.text, "html.parser")
        log.warning("%s respondió %s, intento %d de 3", url, response.status_code, attempt + 1)
    raise ScraperError(f"{url} no se abrió tras 3 intentos")

Archivos: un archivo ZIP con scraper.py, settings.ini (la página inicial, la pausa entre peticiones, el nombre del archivo), requirements.txt y un README sobre cómo instalarlo y ejecutarlo. Solo lee páginas abiertas, una cada 2 segundos, y antes consulta el robots.txt de la web. El cliente lo ejecuta en su propio ordenador.

Cliente: una tienda de jardinería en línea que revende las herramientas de un proveedor; el proveedor tiene un catálogo abierto en su web, pero ningún archivo con la lista de precios. Tarea: recorrer las páginas de lista del catálogo, abrir cada página de producto y guardar en Excel la referencia, el nombre, el precio, la disponibilidad, el peso y el enlace de la foto principal, para comparar precios una vez por semana.

El cliente y todos los datos son ficticios.

Acerca de este servicio

Un parser de sitemap ya preparado: un parser típico de Python que ya está resuelto para archivos sitemap.xml, configurado para el sitio que indique, el suyo o cualquier sitio abierto. Lee la lista de direcciones del sitemap, abre cada página y guarda lo que necesita para un inventario: la dirección, la fecha del sitemap, el estado de la respuesta, el título, la meta descripción, el H1 y, desde Estándar, el canonical, el número de encabezados H2, el número de palabras y las imágenes sin texto alt. La tabla muestra de inmediato qué páginas no tienen título, tienen la descripción duplicada o carecen de H1, lo cual ayuda antes de un rediseño, una migración o una revisión SEO. Usted envía el sitio y los campos que necesita. Lo ejecuta en su propio ordenador. Ve solo las páginas del sitemap abiertas a los visitantes, no juzga el SEO ni da consejos y no promete posiciones en las búsquedas.

Qué incluye

  • Qué recibeUn archivo ZIP con el parser de sitemap preparado en Python, un archivo de ajustes con las direcciones y la pausa entre páginas, y un README; el código también se muestra en la página del pedido.
  • Desde el sitemapTodas las direcciones listadas en sitemap.xml
  • Campos de página listosEstado, título, descripción, H1 y más
  • Los huecos se ven fácilmenteLos títulos vacíos o repetidos destacan en la tabla
  • Ritmo respetuosoUna pausa entre páginas, fijada en los ajustes
  • Una guía sencillaInstalar Python y ejecutarlo, paso a paso

Cómo funciona

  1. 1
    PáginasIndica el sitio, su sitemap y los campos que necesita
  2. 2
    ConfiguraciónAjustamos el parser preparado a esas páginas y escribimos la guía
  3. 3
    EjecuciónLo ejecuta y revisa las primeras filas de la tabla
  4. 4
    CambiosPide cambios dentro de su paquete y envía cualquier mensaje de error

Qué necesitamos de usted

El sitio y la dirección de su sitemap.xml, normalmente en /sitemap.xml, y más o menos cuántas páginas tiene. Los campos que necesita en el orden de su tabla, por ejemplo dirección, estado, título, descripción, H1 y, desde Estándar, canonical y número de palabras. El archivo de resultados: CSV, Excel o, en Premium, JSON. Para Premium, los demás sitios que comparar y con qué frecuencia ejecutarlo.

Le preguntaremos:

  • ¿Qué sitio?
  • Los campos que necesita
  • ¿Cuántas páginas más o menos?
  • Archivo de resultados y otros sitios

Comparar paquetes

PaquetesBásico16 US$Estándar33 US$Premium58 US$
Qué incluyeTítulos de las páginas listadasÍndice de sitemaps y páginasHasta 3 sitios
Plazo1 día2 días3 días
Cambios123
Sitios11hasta 3
Tipos de página12 (lista y artículo)hasta 3
Camposhasta 10hasta 25hasta 25 en cada una
Recorre las páginas de una listaNoSíSí
Archivo de resultadosCSVExcel o CSVExcel, CSV o JSON
Duplicados quitados, se reanuda donde se detuvoNoNoSí
Versión ya preparadaSitemap y títulos de páginaSitemap y títulos de páginaSitemap y títulos de página
Hacer pedido BásicoHacer pedido EstándarHacer pedido Premium

Protección de pago

Usted paga al hacer el pedido, pero el dinero solo se libera por un trabajo aceptado.

  • Precio fijoEl precio del paquete no cambia después del pago.
  • El dinero queda reservadoAl pagar, el importe solo queda reservado. Pasa a Dleex cuando usted acepta el trabajo.
  • Revisado antes de la entregaCada resultado pasa un control de calidad antes de llegar a usted, y lo ve en la página del pedido antes de aceptarlo.
  • Cambios gratuitosSolicite cambios dentro de su brief tantas veces como permita el paquete.
  • Aceptación a los 3 díasSi en los 3 días siguientes a la entrega no acepta el trabajo ni solicita cambios, se acepta automáticamente. Si escribe en el chat del pedido después de la entrega, el pedido queda en espera; cuando le respondamos, podremos reiniciar el plazo de 3 días y se lo indicaremos en el chat.
  • Rehacer el trabajo o reembolso totalSi el resultado no se ajusta a su brief y los cambios no lo resolvieron, o el trabajo tarda más del doble de su plazo, escriba en el chat del pedido: rehacemos el trabajo o le reembolsamos el pago íntegro.
Cómo funciona →

Preguntas y respuestas

¿Y si el sitio no tiene sitemap?

Entonces dé en su lugar una lista de direcciones en un archivo de texto; el parser las lee igual. No recorre todo el sitio enlace por enlace.

¿Me dirá cómo arreglar mi SEO?

No. Le da los datos en una tabla; qué cambiar es decisión suya o tarea de una auditoría SEO. Nadie puede prometer posiciones en las búsquedas.

¿Cuánto tarda un sitio grande?

Lee las páginas a un ritmo respetuoso con la pausa que usted fije, así que un sitio de unos pocos miles de páginas tarda una hora o más. En Premium se reanuda donde se detuvo.

¿Se me permite recoger estos datos?

Recoger datos públicos está permitido en muchos casos, pero las condiciones de los sitios y las leyes de datos difieren según el país, así que usted decide si puede recogerlos y usarlos. El parser nunca inicia sesión, salta protecciones ni recoge datos personales.

¿Por qué cuesta menos que un parser a medida?

Es un parser de sitemap típico y ya preparado: sus campos y su forma de recorrer páginas ya están resueltos, y lo ajustamos al sitio que indique y a sus columnas. Los sitios y campos inusuales son el servicio de parser a medida.

¿No encontró su respuesta?

Paquetes