> For the complete documentation index, see [llms.txt](https://docs.airops.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.airops.com/docs/es/contexto/memory-stores/add-data/web-scrape.md).

# Web Scrape

## Uso de Web Scrape en las bases de conocimientos

Web Scrape te permite importar contenido directamente desde sitios web a tu Base de conocimientos, facilitando el aprovechamiento de páginas existentes en tu sitio web para casos de uso como el enlazado interno. Elige entre extraer páginas individuales o varias páginas mediante un sitemap según tus necesidades específicas.

<figure><img src="https://3036434873-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FX2n5yPRPynbnWuO4SH0M%2Fuploads%2Fgit-blob-4eae28de3ee457173a2f524982963c42ee407b65%2FCleanShot%202025-02-23%20at%2017.56.42%402x.png?alt=media" alt=""><figcaption></figcaption></figure>

## Página única

Para extraer contenido de una sola página web:

* Haz clic en "Añadir datos" y selecciona "Web Scrape" en el menú desplegable
* Elige la opción "Página única"
* Introduce la URL completa de la página web que deseas extraer (p. ej., [www.domain.com/blog/article-title](http://www.domain.com/blog/article-title))
* Haz clic en "Iniciar extracción" para comenzar el proceso
* AirOps extraerá e importará el contenido a tu Base de conocimientos, dejándolo disponible para búsquedas

<figure><img src="https://3036434873-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FX2n5yPRPynbnWuO4SH0M%2Fuploads%2Fgit-blob-b749f2da322b7f2a68e968c69f0e0ea9567fd477%2FCleanShot%202025-02-27%20at%2005.23.17%402x.png?alt=media" alt=""><figcaption></figcaption></figure>

### Varias páginas mediante sitemap

Para extraer contenido de varias páginas web usando un sitemap:

* Haz clic en "Añadir datos" y selecciona "Web Scrape" en el menú desplegable
* Elige la opción "Varias páginas (mediante sitemap)"
* Introduce la URL del sitemap (normalmente se encuentra en domain.com/sitemap.xml)
* Opcionalmente, especifica patrones de URL para incluir o excluir páginas concretas (p. ej., incluir "/blog/" o excluir "/support/")
* Activa "Extraer solo metadatos" si solo necesitas los títulos y descripciones de las páginas en lugar del contenido completo
* Haz clic en "Iniciar extracción" para comenzar el proceso e importar todas las páginas coincidentes

<figure><img src="https://3036434873-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FX2n5yPRPynbnWuO4SH0M%2Fuploads%2Fgit-blob-507e599c31044bf7891ae5dd9cb395ef54ac67ac%2FCleanShot%202025-02-27%20at%2005.24.20%402x.png?alt=media" alt=""><figcaption></figcaption></figure>

Una vez que se haya añadido un sitemap a tu Base de conocimientos, puedes mantener el contenido actualizado haciendo clic en el icono de engranaje junto a "1 sincronización programada" y seleccionando cualquiera de estas opciones:

* "Sincronizar datos" para iniciar manualmente una sincronización inmediata y obtener el contenido más reciente
* "Programar sincronización de datos" para configurar una sincronización automática recurrente con la frecuencia que prefieras. Los conectores de sitemap admiten **Hora**, **Día**, **Semana**, y **Mes** programaciones. Elige Mes para sitios grandes o que cambian lentamente, donde las resincronizaciones semanales son más pesadas de lo necesario.

{% @arcade/embed url="<https://app.arcade.software/share/sqgFTsbvoWnJJgwiRYIU>" flowId="sqgFTsbvoWnJJgwiRYIU" %}


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation by asking a question.

Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters:

```
GET https://docs.airops.com/docs/es/contexto/memory-stores/add-data/web-scrape.md?ask=<question>&goal=<user_goal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.