Read this article in English.

Scraping en n8n: saca el texto de cualquier web en Markdown (gratis o con API)

Q: ¿Se puede hacer scraping en n8n gratis?

Sí. El nodo HTTP Request junto con el nodo Markdown o HTML basta para páginas que no necesitan JavaScript.

Respuesta corta: La forma gratis es un nodo HTTP Request (Method GET, Response Format Text) seguido de un nodo Markdown en modo HTML to Markdown. Funciona en páginas normales que no necesitan JavaScript. Usa la API de Cofferdock solo cuando la página necesite JavaScript para mostrar su contenido, o cuando quieras solo el texto principal sin elegir selectores CSS.

Mucha gente quiere pasar una página web a una IA, guardar un artículo o vigilar si un sitio cambia. El HTML en bruto es difícil de leer y está lleno de menús y scripts, así que lo que te interesa es el texto en Markdown. Esta guía te enseña primero la forma gratis dentro de n8n, y después explica cuándo una API te ahorra tiempo.

La forma gratis: HTTP Request + nodo Markdown

Añade un nodo HTTP Request. Pon Method en GET y URL con la dirección de la página, por ejemplo https://example.com/articulo.
Abre Options, luego Response, y pon Response Format en Text. El HTML de la página llega a un campo llamado data.
Añade un nodo Markdown detrás y pon Mode en HTML to Markdown.
En HTML, escribe {{ $json.data }}.
Pon Destination Key en markdown. El texto limpio queda en {{ $json.markdown }}.

Consejo: En las opciones del nodo Markdown, usa Ignored Elements para quitar lo que no quieres, como nav, footer, header, script y style. Así desaparece casi todo el ruido.

¿Solo necesitas unos pocos campos? Usa el nodo HTML

Si solo necesitas uno o dos datos, como el título, el nodo HTML es más ligero:

Añade un nodo HTML con el HTML del paso anterior como entrada.
Pon la operación en Extract HTML Content y Source Data en JSON y JSON Property en data.
Añade un valor con Key title, CSS Selector h1 y Return Value Text.

Dónde se queda corta la forma gratis

No ejecuta JavaScript. Las páginas que construyen su contenido con JavaScript llegan casi vacías.
Se lleva toda la página. Los menús, los pies y los banners también vienen, salvo que quites esos elementos uno a uno.
Los selectores cambian de una web a otra. Un selector que funciona en un sitio puede romperse en el siguiente.

La forma con API: URL a Markdown de Cofferdock

Cuando la forma gratis no basta, añade un nodo HTTP Request que llame a la API de Cofferdock:

Method: POST
URL: https://api.cofferdock.com/web-to-markdown
Send Headers: activado. Añade x-api-key con tu clave, y Content-Type con application/json.
Send Body: activado, con Body Content Type en JSON y el cuerpo { "url": "{{ $json.url }}" }.

El texto llega en {{ $json.content }} y el título de la página en {{ $json.title }}. Guarda tu clave API en privado, porque cualquiera que pueda abrir el flujo podría leerla.

Lo que la hace distinta de la forma gratis:

Abre la página en un navegador real (Chromium) con JavaScript activado, así que también lee webs que construyen su contenido con JavaScript.
Por defecto se queda solo con el contenido principal, usando la misma detección que el modo lectura de Firefox, así que los menús y los pies quedan fuera.
Devuelve también datos como el autor, el nombre del sitio, la fecha de publicación, el idioma y la descripción, cuando la página los declara.

Un ejemplo rápido

Imagina que tienes una lista de 30 URLs de artículos en una hoja de cálculo. Conecta esa lista al nodo HTTP Request de arriba. n8n llama a la API una vez por cada URL, y después puedes guardar cada content en un documento, o pasarlo a un paso con IA que lo resuma.

Si una IA lee el texto, recuerda que viene de la web de otra persona y puede contener frases que parecen instrucciones. Trátalo como datos, no como órdenes.

Opciones que puedes ajustar

Añade estos campos al cuerpo JSON, junto a url, por ejemplo { "url": "...", "main_content": false }.

Opción	Por defecto	Qué hace
`format`	`markdown`	`markdown`, `text` (texto plano) o `metadata` (solo título, descripción, imagen y similares)
`main_content`	`true`	`true` se queda solo con el contenido principal. `false` devuelve la página entera, útil en portadas y listados
`include_links`	`true`	Mantiene los enlaces en el texto
`include_images`	`false`	Con `true`, añade las imágenes como enlaces Markdown
`max_chars`	`200000`	Corta el texto en esa longitud (de 100 a 1.000.000). Si se corta, `truncated` vale `true`

¿Prefieres verlo en código?

La misma llamada desde una terminal:

curl -X POST "https://api.cofferdock.com/web-to-markdown" \
  -H "x-api-key: TU_CLAVE" \
  -H "Content-Type: application/json" \
  -d '{"url": "https://example.com/articulo"}'

¿Cuánto cuesta?

Cada página leída cuesta 1 crédito, y las llamadas fallidas no se cobran. El plan gratis incluye 50 créditos al mes sin tarjeta. Los mismos créditos sirven para todas las herramientas de Cofferdock.

Preguntas frecuentes

¿Se puede hacer scraping en n8n gratis? Sí. El nodo HTTP Request junto con el nodo Markdown o HTML basta para páginas que no necesitan JavaScript.

¿Y las páginas construidas con JavaScript? Usa la API de Cofferdock. Abre la página en un navegador real con JavaScript activado. La forma gratis devuelve casi vacío el HTML de esas páginas.

¿Puede leer una web entera de una vez? No. Cada llamada lee una página. Para leer muchas, pon sus direcciones en una lista y haz la llamada para cada una.

¿Se puede hacer scraping legalmente? Lee solo páginas que tengas permiso para leer, y respeta las condiciones de cada sitio. La API no puede leer páginas que estén detrás de un inicio de sesión.

Guías relacionadas

Pruébalo tú mismo

Prueba la herramienta URL a Markdown con una página que ya conozcas. Puedes crear una cuenta gratis en cofferdock.com/register, con 50 créditos al mes y sin tarjeta.