Extracción de datos web

Guarda una página web como Markdown gratis.

Conserva el texto legible de un artículo en un archivo Markdown, con sus títulos, enlaces y referencia a la página de origen.

Qué necesitas: un artículo seleccionado cuyos títulos y texto estén visibles.

Necesitas la extensión de Chrome y una cuenta de WebAct.
Incluye 25 tareas de automatización gratis al mes. También se aplican los límites de tu proveedor de IA.

INSTRUCCIONES PARA COPIAR

Guarda el artículo sin rehacer su estructura a mano.

Copia estas instrucciones y pégalas en WebAct, en la página que contiene el artículo.

Guardar una página web como MarkdownTAREA
Trabaja solo con el artículo que seleccione, cuyos títulos y texto estén visibles. Guarda el texto que puedas leer como Markdown, conservando los títulos, enlaces y la referencia a la fuente. Crea un archivo llamado webact-webpage-to-markdown-exporter.md. El archivo completo debe ocupar menos de 48.000 bytes en UTF-8. Usa únicamente el contenido que puedas observar y los datos que yo facilite. No inventes información que falte. Conserva los identificadores, fechas, unidades y monedas. Indica qué contenido has omitido o no has podido leer y qué partes están truncadas; no afirmes que has incluido todo. Compara el resultado con el original y detente si no está disponible la información necesaria. Antes de empezar, pídeme cualquier ajuste o dato de origen que necesites. Empieza con un máximo de 25 elementos o un documento breve e indica exactamente qué contenido de origen has incluido.

Pégalas en el modo Tarea, con la opción de IA en el navegador seleccionada.

Elige qué contenido conservar. Indica qué secciones necesitas y con qué nivel de detalle. Mantén los hechos originales y pide que se señale cualquier contenido que debas revisar.

De un artículo web a un archivo Markdown.EJEMPLO
Datos de entrada de ejemplo
Page: https://example.com/packing-guide Heading: Packing guide List: Bag, Charger
Así quedaría tu archivo Markdown.Un archivo aparte, sin modificar la página.
Descargar el ejemplo de Markdown ↓
Este ejemplo usa datos ficticios. Para guardar tu propio artículo, abre la página, selecciona el contenido y ejecuta la tarea con la extensión.
GUÍA PRÁCTICA

Cómo guardar el contenido legible de una página web en Markdown

Markdown permite conservar un artículo o una página de referencia en un formato que puedes editar, buscar y gestionar por versiones. El objetivo es mantener la jerarquía del contenido sin trasladar todo el diseño visual de la página.

Empieza con el material adecuado.

Qué aportas
un artículo seleccionado con encabezados y texto visibles.
El resultado previsto
Guarda el texto legible en Markdown con títulos, enlaces y referencia a la fuente.

Cómo funciona el flujo de trabajo.

Selecciona el contenido relevante y conserva títulos, listas y enlaces en orden de lectura. Antes de convertir la página en un documento, decide si la navegación y los bloques promocionales deben incluirse en la exportación.

Qué comprobar en el resultado.

Previsualiza el Markdown y comprueba que la jerarquía de títulos tenga sentido, que los elementos de lista estén separados y que los destinos de los enlaces se conserven. Trata el archivo como una instantánea del contenido seleccionado y registra su fuente.

Previsualiza el Markdown para comprobar títulos, listas y enlaces, además del texto. Conserva las referencias con el documento para que quien lo revise pueda rastrear las afirmaciones importantes hasta el material proporcionado.

Aprende del ejemplo resuelto.

El ejemplo Markdown descargable muestra una posible organización del resultado. Léelo junto al ejemplo de origen y distingue hechos registrados, redacción propuesta y preguntas aún pendientes.

El ejemplo proporcionado es ilustrativo. No es una ejecución registrada con tus datos.

Descarga el ejemplo ↓

Úsalo con tu propio material.

  1. Abre la fuente con la que quieres trabajar y activa WebAct en esa pestaña.
  2. Copia la tarea de la sección principal, añade los campos o preferencias necesarios y revisa las acciones propuestas.
  3. Compara el primer resultado con la fuente. Pide una corrección o mejora concreta cuando haga falta.
Ir al prompt de la tarea ↑
CÓMO GUARDAR EL ARTÍCULO

Selecciona el texto y crea el archivo.

  1. 01

    Instala WebAct e inicia sesión.

    Instala la extensión de Chrome y verifica tu cuenta de WebAct. Selecciona la opción de IA en el navegador, elige ChatGPT e inicia sesión si se te solicita.

  2. 02

    Selecciona el artículo que quieras guardar.

    Abre el artículo y despliega el texto y los títulos que necesites. Activa WebAct desde la barra de herramientas de Chrome, selecciona el contenido y elige el modo Tarea.

  3. 03

    Ejecuta la tarea y revisa el archivo.

    Pega las instrucciones de abajo y revisa las acciones propuestas. Cuando termine la tarea, compara el archivo con el artículo: comprueba los títulos, los enlaces y la referencia a la fuente.

La página de partida.

Un artículo seleccionado con títulos y texto visibles que WebAct pueda leer.

El archivo que obtienes.

El texto legible del artículo, con sus títulos, enlaces y referencia a la fuente. Archivo Markdown.

Los límites de esta tarea.

La tarea se limita a la pestaña activa. Empieza con un máximo de 25 registros o un documento breve. El archivo completo debe ocupar menos de 48.000 bytes en UTF-8.

DUDAS FRECUENTES

Qué comprobar en el archivo Markdown.

El ejemplo conserva un título y dos elementos de una lista, junto con la dirección de la página de origen.

Entender la diferencia entre Chat y Tarea
¿Qué página puedo usar como origen?

Selecciona un artículo cuyos títulos y texto sean visibles. Despliega el contenido necesario y elige qué información compartir con la tarea. El texto que aún no se haya cargado no estará disponible.

¿Qué debo revisar en el archivo?

Compara el texto y la estructura con el artículo original. El ejemplo incluye un título Markdown, dos elementos de lista y la dirección de origen. Solo se incluye el contenido visible seleccionado. No se deben completar por suposición las partes que falten; revisa el resultado antes de usarlo.

¿Recorre todo el sitio web?

No. Se trabaja con una selección pequeña de la pestaña que actives. Quedan fuera los datos ocultos, las páginas enlazadas y el contenido sin cargar. Selecciona una zona legible y comprueba qué se ha guardado realmente.

¿Puedo usarlo con el plan gratuito?

Sí. Puedes usar el plan Free de WebAct con tu sesión de ChatGPT en el navegador. Necesitas la extensión de Chrome, una cuenta de WebAct verificada y haber iniciado sesión en ChatGPT en el mismo perfil de Chrome. No hace falta contratar un plan de pago de WebAct ni disponer de una clave API de pago. Se siguen aplicando los límites de uso de ChatGPT. El plan Free incluye 25 tareas de automatización al mes, compartidas entre todas las herramientas. Una tarea se descuenta cuando empieza su primera acción. Los pasos intermedios y los reintentos necesarios para completarla no se cuentan por separado. El cupo se renueva cada mes natural, según la hora UTC. Si lo agotas, puedes contratar un plan de pago o esperar al mes siguiente. Chatear sin ejecutar automatizaciones no consume tareas y sigue siendo gratis, dentro de los límites de tu proveedor de IA.

¿Esta página convierte el artículo?

No. Aquí tienes un ejemplo y las instrucciones para copiar. La tarea se ejecuta con WebAct en la página de origen que actives. El proveedor de IA que uses en el navegador procesa la información de la página compartida con la tarea. Una respuesta de chat sin automatización no consume tareas de WebAct; crear un archivo o modificar campos en el modo Tarea sí.

Consulta cómo tratamos el contexto de página compartido en nuestra política de privacidad.

MENOS COPIAR Y PEGAR

Llévate el artículo en un formato que puedas editar.

Abre WebAct en la página que contiene los datos y empieza desde ahí.

Instalar WebAct