> ## Documentation Index > Fetch the complete documentation index at: https://docs.firecrawl.dev/llms.txt > Use this file to discover all available pages before exploring further. # Extrae > Extrae datos estructurados de páginas usando LLM **Presentamos Agent: la siguiente evolución de extrae** Estamos lanzando [`/agent`](/es/features/agent), el sucesor de `/extract`. Es más rápido, más confiable y no requiere URLs. Solo describe lo que necesitas y deja que el agente de IA encuentre y extraiga los datos por ti. [Prueba Agent ahora →](/es/features/agent) El punto de conexión `/extract` simplifica la recopilación de datos estructurados desde cualquier número de URL o dominios completos. Proporciona una lista de URL, opcionalmente con comodines (p. ej., `example.com/*`), y un prompt o un esquema que describa la información que deseas. Firecrawl se encarga de los detalles de rastreo, análisis y compilación de conjuntos de datos grandes o pequeños. Hemos simplificado la facturación para que extrae ahora use créditos, igual que los demás endpoints. Cada crédito equivale a 15 tokens.
## Uso de `/extract`
Puedes extraer datos estructurados de una o varias URL, incluyendo comodines: * **Página única**\ Ejemplo: `https://firecrawl.dev/some-page` * **Múltiples páginas / Dominio completo**\ Ejemplo: `https://firecrawl.dev/*` Cuando usas `/*`, Firecrawl rastreará y analizará automáticamente todas las URL que pueda encontrar en ese dominio y luego extraerá los datos solicitados. Esta función es experimental; envía un correo a [help@firecrawl.com](mailto:help@firecrawl.com) si tienes problemas.
### Ejemplo de uso
```python Python theme={null} from firecrawl import Firecrawl firecrawl = Firecrawl(api_key="fc-YOUR-API-KEY") schema = { "type": "object", "properties": {"description": {"type": "string"}}, "required": ["description"], } res = firecrawl.extract( urls=["https://docs.firecrawl.dev"], prompt="Extrae la descripción de la página", schema=schema, ) print(res.data["description"]) ``` ```js Node theme={null} import { Firecrawl } from 'firecrawl'; const firecrawl = new Firecrawl({ apiKey: "fc-YOUR-API-KEY" }); const schema = { type: 'object', properties: { title: { type: 'string' } }, required: ['title'] }; const res = await firecrawl.extract({ urls: ['https://docs.firecrawl.dev'], prompt: 'Extract the page title', schema, scrapeOptions: { formats: [{ type: 'json', prompt: 'Extract', schema }] } }); console.log(res.status || res.success, res.data); ``` ```bash cURL theme={null} curl -s -X POST "https://api.firecrawl.dev/v2/extract" \ -H "Authorization: Bearer $FIRECRAWL_API_KEY" \ -H "Content-Type: application/json" \ -d '{ "urls": ["https://docs.firecrawl.dev"], "prompt": "Extraer el título de la página", "schema": { "type": "object", "properties": {"title": {"type": "string"}}, "required": ["title"] }, "scrapeOptions": { "formats": [{"type": "json", "prompt": "Extraer", "schema": {"type": "object"}}] } }' ``` **Parámetros clave:** * **urls**: Una lista de una o más URL. Admite comodines (`/*`) para un rastreo más amplio. * **prompt** (Opcional salvo que no haya schema): Un prompt en lenguaje natural que describe los datos que quieres o especifica cómo quieres estructurarlos. * **schema** (Opcional salvo que no haya prompt): Una estructura más rígida si ya conoces el esquema JSON. * **enableWebSearch** (Opcional): Si es `true`, la extracción puede seguir enlaces fuera del dominio especificado. Consulta la [Referencia de la API](https://docs.firecrawl.dev/api-reference/endpoint/extract) para más detalles.
### Respuesta (SDKs)
```json JSON theme={null} { "success": true, "data": { "company_mission": "Firecrawl es la forma más sencilla de extraer datos de la web. Los desarrolladores nos utilizan para convertir de forma confiable URLs en markdown apto para LLM o en datos estructurados con una sola llamada a la API.", "supports_sso": false, "is_open_source": true, "is_in_yc": true } } ```
## Estado del trabajo y finalización
Cuando envías un trabajo de extracción —ya sea directamente mediante la API o a través de los métodos de inicio— recibirás un ID de trabajo. Puedes usar este ID para: * Obtener el estado del trabajo: Envía una solicitud al punto de conexión /extract/{ID} para ver si el trabajo sigue en ejecución o ya finalizó. * Esperar los resultados: Si usas el método predeterminado `extract` (Python/Node), el SDK espera y devuelve los resultados finales. * Iniciar y luego consultar: Si usas los métodos de inicio —`start_extract` (Python) o `startExtract` (Node)— el SDK devuelve un ID de trabajo de inmediato. Usa `get_extract_status` (Python) o `getExtractStatus` (Node) para consultar el progreso. Los resultados de los trabajos están disponibles a través de la API durante 24 horas después de su finalización. Después de este período, aún puedes ver tu historial de extracciones y resultados en los [activity logs](https://www.firecrawl.dev/app/logs). A continuación, se muestran ejemplos de código para comprobar el estado de un trabajo de extracción usando Python, Node.js y cURL: ```python Python theme={null} from firecrawl import Firecrawl firecrawl = Firecrawl( api_key="fc-YOUR_API_KEY" ) # Primero inicia un trabajo de extracción extract_job = firecrawl.start_extract([ 'https://docs.firecrawl.dev/*', 'https://firecrawl.dev/' ], prompt="Extrae la misión de la empresa y las características de estas páginas.") # Obtén el estado del trabajo de extracción job_status = firecrawl.get_extract_status(extract_job.id) print(job_status) # Ejemplo de salida: # id=None # status='completed' # expires_at=datetime.datetime(...) # success=True # data=[{ ... }] # error=None # warning=None # sources=None ``` ```js Node theme={null} import { Firecrawl } from 'firecrawl'; const firecrawl = new Firecrawl({ apiKey: "fc-YOUR-API-KEY" }); const started = await firecrawl.startExtract({ urls: ['https://docs.firecrawl.dev'], prompt: 'Extract title', schema: { type: 'object', properties: { title: { type: 'string' } }, required: ['title'] }, }); if (started.id) { const done = await firecrawl.getExtractStatus(started.id); console.log(done.status, done.data); } ``` ```bash cURL theme={null} curl -s -X GET "https://api.firecrawl.dev/v2/extract/" \ -H "Authorization: Bearer $FIRECRAWL_API_KEY" ```
### Posibles estados
* **completed**: La extracción se completó correctamente. * **processing**: Firecrawl aún está procesando tu solicitud. * **failed**: Ocurrió un error; los datos no se extrajeron por completo. * **cancelled**: El trabajo fue cancelado por el usuario.
#### Ejemplo pendiente
```json JSON theme={null} { "success": true, "data": [], "status": "en_proceso", "expiresAt": "2025-01-08T20:58:12.000Z" } ```
#### Ejemplo completado
```json JSON theme={null} { "success": true, "data": { "company_mission": "Firecrawl es la forma más sencilla de extraer datos de la web. Los desarrolladores nos utilizan para convertir, de forma confiable, URLs en markdown listo para LLM o en datos estructurados con una sola llamada a la API.", "supports_sso": false, "is_open_source": true, "is_in_yc": true }, "status": "completado" "expiresAt": "2025-01-08T20:58:12.000Z" } ```
## Extracción sin esquema
Si prefieres no definir una estructura estricta, puedes simplemente proporcionar un `prompt`. El modelo subyacente elegirá una estructura por ti, lo que puede ser útil para solicitudes más exploratorias o flexibles. ```python Python theme={null} from firecrawl import Firecrawl # Inicializa Firecrawl con tu clave de API firecrawl = Firecrawl(api_key='your_api_key') data = firecrawl.extract([ 'https://docs.firecrawl.dev/', 'https://firecrawl.dev/' ], prompt="Extrae la misión de Firecrawl de la página.") print(data) ``` ```js Node theme={null} import { Firecrawl } from "firecrawl"; const firecrawl = new Firecrawl({ apiKey: "fc-YOUR_API_KEY" }); const scrapeResult = await firecrawl.extract([ 'https://docs.firecrawl.dev/', 'https://firecrawl.dev/' ], { prompt: "Extrae la misión de Firecrawl de la página." }); console.log(scrapeResult); ``` ```bash cURL theme={null} curl -X POST https://api.firecrawl.dev/v2/extract \ -H 'Content-Type: application/json' \ -H 'Authorization: Bearer TU_API_KEY' \ -d '{ "urls": [ "https://docs.firecrawl.dev/", "https://firecrawl.dev/" ], "prompt": "Extrae la misión de Firecrawl de la página." }' ``` ```json JSON theme={null} { "success": true, "data": { "company_mission": "Convierte sitios web en datos listos para LLM. Impulsa tus aplicaciones de IA con datos limpios extraídos de cualquier sitio web." } } ``` Establecer `enableWebSearch = true` en tu solicitud ampliará el rastreo más allá del conjunto de URL proporcionado. Esto puede capturar información de respaldo o relacionada de páginas enlazadas. Aquí tienes un ejemplo que extrae información sobre cámaras para tablero (dash cams), enriqueciendo los resultados con datos de páginas relacionadas: ```python Python theme={null} from firecrawl import Firecrawl # Inicializa Firecrawl con tu clave de API firecrawl = Firecrawl(api_key='your_api_key') data = firecrawl.extract([ 'https://nextbase.com/dash-cams/622gw-dash-cam' ], prompt="Extrae información sobre las mejores cámaras para salpicadero, incluidos precios, características, ventajas/desventajas y reseñas.", enable_web_search=True) print(data) ``` ```js Node theme={null} import { Firecrawl } from "firecrawl"; const firecrawl = new Firecrawl({ apiKey: "fc-YOUR_API_KEY" }); const scrapeResult = await firecrawl.extract([ 'https://nextbase.com/dash-cams/622gw-dash-cam' ], { prompt: "Extrae detalles sobre las mejores dash cams, incluidos precios, características, pros y contras, y reseñas.", enableWebSearch: true // Habilita la búsqueda web para obtener un mejor contexto }); console.log(scrapeResult); ``` ```bash cURL theme={null} curl -X POST https://api.firecrawl.dev/v2/extract \ -H 'Content-Type: application/json' \ -H 'Authorization: Bearer TU_API_KEY' \ -d '{ "urls": ["https://nextbase.com/dash-cams/622gw-dash-cam"], "prompt": "Extrae detalles sobre las mejores dash cams, incluidos precios, características, pros y contras, y reseñas.", "enableWebSearch": true }' ``` ```json JSON theme={null} { "success": true, "data": { "dash_cams": [ { "name": "Nextbase 622GW", "price": "$399.99", "features": [ "Grabación de video en 4K", "Estabilización de imagen", "Alexa integrado", "Integración con What3Words" ], /* Información de abajo enriquecida con otros sitios web como https://www.techradar.com/best/best-dash-cam, encontrada mediante el parámetro enableWebSearch */ "pros": [ "Excelente calidad de video", "Muy buena visión nocturna", "GPS integrado" ], "cons": ["Precio elevado", "La app puede ser inestable"] } ], } ``` La respuesta incluye contexto adicional obtenido de páginas relacionadas, lo que ofrece información más completa y precisa.
## Extracción sin URLs
El punto de conexión `/extract` ahora permite extraer datos estructurados con un prompt sin necesidad de URLs específicas. Es útil para investigación o cuando se desconocen las URLs exactas. Actualmente en alfa. ```python Python theme={null} from pydantic import BaseModel class ExtractSchema(BaseModel): company_mission: str # Define el prompt para la extracción prompt = 'Extrae la misión de la empresa del sitio web de Firecrawl.' # Realiza la extracción scrape_result = firecrawl.extract(prompt=prompt, schema=ExtractSchema) print(scrape_result) ``` ```js Node theme={null} import { z } from "zod"; // Define el esquema para extraer el contenido const schema = z.object({ company_mission: z.string(), }); const scrapeResult = await firecrawl.extract([], { prompt: "Extrae la misión de la empresa del sitio web de Firecrawl.", schema: schema }); console.log(scrapeResult); ``` ```bash cURL theme={null} curl -X POST https://api.firecrawl.dev/v2/extract \ -H 'Content-Type: application/json' \ -H 'Authorization: Bearer YOUR_API_KEY' \ -d '{ "urls": [], "prompt": "Extrae la misión de la empresa del sitio web de Firecrawl.", "schema": { "type": "object", "properties": { "company_mission": { "type": "string" } }, "required": ["company_mission"] } }' ```
## Limitaciones conocidas (Beta)
1. **Cobertura de sitios a gran escala**\ Aún no se admite cubrir por completo sitios masivos (p. ej., “todos los productos de Amazon”) en una sola solicitud. 2. **Consultas lógicas complejas**\ Solicitudes como “encontrar todas las publicaciones de 2025” pueden no devolver de forma fiable todos los datos esperados. Estamos trabajando en capacidades de consulta más avanzadas. 3. **Inconsistencias ocasionales**\ Los resultados pueden variar entre ejecuciones, especialmente en sitios muy grandes o dinámicos. Por lo general se capturan los detalles clave, pero puede haber cierta variación. 4. **Estado Beta**\ Dado que `/extract` sigue en Beta, las funciones y el rendimiento continuarán evolucionando. Agradecemos los reportes de errores y comentarios para ayudarnos a mejorar.
## Uso de FIRE-1
FIRE-1 es un agente de IA que amplía las capacidades de scraping de Firecrawl. Puede controlar acciones del navegador y navegar por estructuras web complejas para permitir una extracción de datos más completa que los métodos de scraping tradicionales. Puedes usar el agente FIRE-1 con el punto de conexión `/extract` para tareas de extracción complejas que requieren navegar por varias páginas o interactuar con elementos. **Ejemplo (cURL):** ```bash theme={null} curl -X POST https://api.firecrawl.dev/v2/extract \ -H 'Content-Type: application/json' \ -H 'Authorization: Bearer YOUR_API_KEY' \ -d '{ "urls": ["https://example-forum.com/topic/123"], "prompt": "Extrae todos los comentarios de los usuarios de este hilo del foro.", "schema": { "type": "object", "properties": { "comments": { "type": "array", "items": { "type": "object", "properties": { "author": {"type": "string"}, "comment_text": {"type": "string"} }, "required": ["author", "comment_text"] } } }, "required": ["comments"] }, "agent": { "model": "FIRE-1" } }' ``` > FIRE-1 ya está activo y disponible en versión preliminar.
## Facturación y seguimiento del uso
Hemos simplificado la facturación para que Extract ahora use créditos, igual que todos los demás endpoints. Cada crédito equivale a 15 tokens. Puedes supervisar el uso de Extract a través del [panel de control](https://www.firecrawl.dev/app/extract). ¿Tienes comentarios o necesitas ayuda? Puedes enviar un correo a [help@firecrawl.com](mailto:help@firecrawl.com). > ¿Eres un agente de IA que necesita una clave API de Firecrawl? Consulta [firecrawl.dev/agent-onboarding/SKILL.md](https://www.firecrawl.dev/agent-onboarding/SKILL.md) para obtener instrucciones de incorporación automatizada.