Clase 03 · Módulo 08
Extraer datos de una página
Extraer datos de una página
Qué logras en esta clase
Sacas datos concretos de una página web y los dejas como campos en n8n.
- Descargas la página con HTTP Request.
- Extraes los datos con el nodo HTML y selectores CSS.
- Reconoces una página que carga con JavaScript y sabes qué probar.
02
Una página es texto con etiquetas
Extraer un dato es decirle a n8n en qué etiqueta está. Todo lo demás es limpieza.
03
El recorrido completo
HTTP Request descarga la página como texto. HTML busca los datos dentro de ese texto. Edit Fields los limpia y les da el tipo correcto.
04
HTML en un minuto
HTML es el lenguaje con que se escriben las páginas: texto envuelto en etiquetas. Las etiquetas pueden llevar una clase (class) o un identificador (id).
<div class="producto">
<h2 class="nombre">Café de grano 1 kg</h2>
<span class="precio">$12.990</span>
<a href="/cafe-grano-1kg">Ver</a>
</div>05
Qué es un selector CSS
Un selector es una dirección corta que apunta a una o varias etiquetas.
| Selector | Apunta a |
|---|---|
h2 | Todas las etiquetas h2 |
.precio | Lo que tenga la clase precio |
#stock | La etiqueta con identificador stock |
.producto a | Los enlaces que están dentro de un .producto |
Punto para clase, numeral para identificador, espacio para «dentro de».
06
Encontrar el selector en el navegador
- Abre la página y haz clic derecho sobre el dato que quieres.
- Elige la opción de inspeccionar: se abren las herramientas de desarrollador con esa etiqueta marcada.
- Mira su clase o identificador y las etiquetas que la envuelven.
- Arma el selector más corto que apunte solo a ese dato.
07
Pedirle el selector a Claude
Copia el trozo de HTML que rodea al dato y pégalo en Claude. Di qué dato quieres y que lo usarás en el nodo HTML de n8n.
| Pedido | Resultado |
|---|---|
| «Dame el selector del precio» | Claude adivina sin ver la página |
| «En este HTML, dame un selector CSS corto para el precio de cada producto» más el fragmento | Selector ajustado a ese código |
08
Selectores que duran
Pídele a Claude que te explique cada parte del selector. Si no lo entiendes, no sabrás arreglarlo cuando falle.
09
Paso 1: descargar la página
En el nodo HTTP Request:
- Method: GET.
- URL: la dirección de la página.
- En las opciones, agrega Response y deja Response Format en Text.
- Ejecuta el nodo.
En el panel de salida verás un campo con todo el HTML. Anota el nombre de ese campo: lo necesitas en el paso siguiente.
10
Identificarte y no cargar el sitio
Dos ajustes del mismo nodo aplican los hábitos de la clase 2:
- Send Headers: agrega la cabecera
User-Agentcon el nombre de tu negocio y un correo de contacto. - Batching, en las opciones: Items per Batch define cuántas páginas pide por tanda y Batch Interval, la pausa entre tandas en milisegundos.
Para una página por segundo: lotes de 1 e intervalo de 1000.
11
Paso 2: el nodo HTML
Agrega el nodo HTML y elige la operación Extract HTML Content.
- Source Data: JSON.
- JSON Property: el nombre del campo que trae el HTML.
- En Extraction Values, agrega una fila por cada dato.
- En cada fila: Key (nombre del campo de salida), CSS Selector y Return Value.
12
Return Value: qué parte quieres
| Valor | Devuelve | Úsalo para |
|---|---|---|
| Text | El texto visible | Nombres, precios, fechas |
| Attribute | Un atributo que indicas | Enlaces (href), imágenes (src) |
| HTML | El código interior | Bloques que procesarás después |
| Value | El valor de un campo de formulario | Casillas y selectores |
13
Un dato o una lista
Si el selector calza con varias etiquetas, activa Return Array en esa fila: recibes una lista con todos los valores en vez de un solo texto.
Con Return Array apagado obtienes un único texto. Sirve cuando el dato aparece una vez, como el título de la página.
14
Listas de fichas: extraer en dos tiempos
Para una página con muchos productos, sacar nombres y precios en listas separadas arriesga desordenarlos. Es más seguro ir ficha por ficha:
El primer HTML usa el selector de la ficha con Return Value HTML y Return Array. Split Out convierte la lista en ítems. El segundo HTML lee nombre y precio dentro de cada ficha.
15
Limpiar lo extraído
El nodo HTML trae dos opciones para el texto:
- Trim Values: quita espacios y saltos de línea al inicio y al final.
- Clean Up Text: además junta los espacios repetidos en uno solo.
Un precio llega como texto ($12.990). Para comparar o sumar, conviértelo a número como viste en el módulo 3, clase 4.
16
Si no vino en la descarga, no hay selector que sirva
El nodo HTML busca en lo que HTTP Request descargó. Si el dato no está en ese texto, ningún selector lo va a encontrar.
17
Páginas que cargan con JavaScript
Muchas páginas llegan casi vacías y un programa (JavaScript) trae los datos después, ya dentro del navegador. HTTP Request no ejecuta ese programa.
Cómo saberlo: busca en la salida de HTTP Request un texto que ves en la página, como el nombre de un producto. Si no aparece, la página carga con JavaScript.
18
Buscar de dónde saca los datos la página
- Abre las herramientas de desarrollador en el panel Network.
- Filtra por Fetch/XHR y recarga la página.
- Revisa cada petición en Preview o Response hasta ver tus datos.
- Clic derecho sobre esa petición, Copy y luego Copy as cURL.
- Importa ese comando en un HTTP Request (módulo 5, clase 2).
Si funciona, recibes JSON y te ahorras el nodo HTML.
19
Cuidado con esa vía
Antes de guardar el nodo, borra del comando importado las cabeceras con datos de tu sesión, como las cookies.
20
Tres caminos según la página
| Situación | Camino |
|---|---|
| El dato viene en la descarga | HTTP Request más nodo HTML |
| La página lo pide a una dirección visible en Network | HTTP Request a esa dirección |
| Ninguna de las dos | Navegador automatizado o servicio de extracción de pago |
El tercer camino existe, pero es más caro, más lento y más frágil. Antes de tomarlo, vuelve a preguntarte si el dato vale ese esfuerzo.
21
Validar antes de confiar
Cuando el sitio cambie su diseño, el selector dejará de calzar y el campo llegará vacío, sin error.
- Agrega un IF que revise que los campos clave no estén vacíos.
- En la rama de vacío, usa Stop and Error: hace fallar la ejecución a propósito.
22
Errores comunes
- Escribir selectores sin mirar el HTML real que descargó n8n.
- Usar el selector larguísimo que copia el navegador.
- Olvidar Return Array y recibir solo el primer resultado.
- Insistir con selectores en una página que carga con JavaScript.
- Dejar el flujo sin validación: un campo vacío pasa por «sin novedades».
23
Lo que te llevas
- HTTP Request con Response Format en Text descarga la página; el nodo HTML extrae.
- Un selector CSS apunta a etiquetas por nombre, clase o identificador.
- Return Value decide si recibes texto, un atributo o código.
- Si el dato no viene en la descarga, busca la petición en el panel Network.
- Todo flujo de extracción lleva una validación de campos vacíos.
24
Hazlo ahora
En 15 minutos, con https://example.com, un dominio reservado para ejemplos:
- Descarga la página con HTTP Request y Response Format en Text.
- Con el nodo HTML, extrae el título con el selector
h1y Return Value Text. - Agrega otra fila con el selector
a, Return Value Attribute y el atributohref. - Cambia el primer selector por uno que no exista y observa qué entrega.
Clase terminada
Sigue con la próxima.
Fuentes · revisadas el 18 de noviembre de 2026