> ## Documentation Index
> Fetch the complete documentation index at: https://docs.fetchhive.com/llms.txt
> Use this file to discover all available pages before exploring further.

# Website Scrape

> Configura un paso del flujo de trabajo que extrae el contenido de una URL de sitio web y devuelve los tipos de contenido seleccionados para pasos posteriores

# Website Scrape

Usa **Website Scrape** cuando quieras que un paso del flujo de trabajo obtenga una página de la web y devuelva las partes de esa página que tu flujo de trabajo necesita.

## Configuración

| Opción                                                               | Requerido | Descripción                                                                                    |
| -------------------------------------------------------------------- | --------- | ---------------------------------------------------------------------------------------------- |
| Name                                                                 | No        | Etiqueta del paso en el lienzo del flujo de trabajo.                                           |
| URL                                                                  | Sí        | URL en **URL**. Este campo admite variables del flujo de trabajo mediante **Insert Variable**. |
| HTML Output                                                          | No        | Controla si se devuelve la salida **HTML**.                                                    |
| Markdown Output                                                      | No        | Controla si se devuelve la salida **Markdown**.                                                |
| Links Output                                                         | No        | Controla si se devuelven los **Links** extraídos.                                              |
| Subpages                                                             | No        | Controla si está habilitado el rastreo de **Subpages**.                                        |
| Crawl Mode                                                           | No        | Comportamiento de rastreo seleccionado en **Crawl Mode**.                                      |
| Max Characters                                                       | No        | Tamaño máximo de salida establecido en **Max Characters**.                                     |
| Max Retries                                                          | No        | Conteo de reintentos en **Max Retries**.                                                       |
| Timeout (ms)                                                         | No        | Valor de tiempo de espera en **Timeout (ms)**.                                                 |
| Screenshot                                                           | No        | Controla si se captura una captura de pantalla de la página.                                   |
| Screenshot Type                                                      | No        | Modo de captura de pantalla en **Screenshot Type** cuando las capturas están habilitadas.      |
| When the step fails                                                  | No        | Controla si el flujo de trabajo debe **Terminate Workflow** o **Continue** si este paso falla. |
| Agrega este paso desde el grupo **Research** en **Search steps...**. |           |                                                                                                |

El campo **URL** admite **Insert Variable**. Debajo, el panel de configuración te permite elegir qué tipos de salida devolver: **HTML**, **Markdown**, **Links** y **Subpages**.

Usa **Crawl Mode** para controlar cómo Fetch Hive recupera la página:

* **Preferred** intenta primero un rastreo en vivo y luego recurre a la caché.
* **Always** siempre usa un rastreo en vivo.
* **Fallback** usa primero la caché y luego rastrea si es necesario.
* **Never** solo usa la caché.

Si activas **Screenshot**, aparece **Screenshot Type** con las opciones **Viewport** y **Full Page**.

## Salida

Haz clic en **Run** en el encabezado del paso para probar el paso. Fetch Hive muestra el resultado del scrape en **Output** después de que se complete la ejecución.

Usa el selector de variables en un paso posterior para insertar la ruta de salida exacta disponible para esa ejecución. La referencia base es:

```text theme={null}
{{STEP_IDENTIFIER.output}}
```

Los campos exactos dependen de qué salidas habilitaste. Por ejemplo, los campos relacionados con HTML, markdown, links, datos de subpáginas y capturas de pantalla solo aparecen cuando esas salidas están activadas. Usa el selector de variables después de una ejecución de prueba para inspeccionar los campos devueltos.

## Ejemplo

Agrega **Website Scrape** desde el grupo **Research** en **Search steps...**.

Establece **Name** en algo como `Scrape product page`.

Pega la página en **URL**. Si la URL proviene de un paso anterior del flujo de trabajo, haz clic en **Insert Variable** y agrega esa referencia.

Activa las salidas que necesites. Por ejemplo, habilita **Markdown** para contenido limpio, **Links** para enlaces extraídos y **Subpages** si quieres que se rastree una subpágina desde la página principal.

Elige un **Crawl Mode**, luego establece **Max Characters**, **Max Retries** y **Timeout (ms)** para la ejecución.

Si necesitas una captura visual, activa **Screenshot** y elige **Viewport** o **Full Page** en **Screenshot Type**.

Haz clic en **Run** y revisa el resultado del scrape en **Output** antes de enviarlo a pasos posteriores del flujo de trabajo.

{/* Add screenshot: Website Scrape settings sheet with output toggles and crawl mode */}

{/* Add screenshot: Website Scrape output after a test run */}

## Notas

* El resultado devuelto depende de qué interruptores de salida habilites, así que inspecciona el selector de variables después de una ejecución si necesitas nombres de campo exactos.
* El editor muestra una advertencia para URL directas de LinkedIn. Las URL de LinkedIn no son compatibles para scraping.
* Usa **Markdown** cuando quieras contenido de página más limpio, **HTML** cuando necesites markup sin procesar y **Links** cuando solo necesites URL extraídas.

Consulta también: [Creación y edición](../../creating-and-editing), [Pruebas e iteración](../../testing-and-iteration) y [Manejo de errores](../../error-handling)