Extracción

• Página única
  Ejemplo: https://evocrawl.com/some-page
• Múltiples páginas / Dominio completo
  Ejemplo: https://evocrawl.com/*

from firecrawl import Evocrawl

firecrawl = Evocrawl(api_key="fc-YOUR-API-KEY")

schema = {
    "type": "object",
    "properties": {"description": {"type": "string"}},
    "required": ["description"],
}

res = firecrawl.extract(
    urls=["https://docs.evocrawl.com"],
    prompt="Extrae la descripción de la página",
    schema=schema,
)

print(res.data["description"])

• 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.

{
  "success": true,
  "data": {
    "company_mission": "Evocrawl 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
  }
}

• Obtener el estado del trabajo: Envía una solicitud al punto de conexión /extract/ 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.

from firecrawl import Evocrawl

firecrawl = Evocrawl(
    api_key="fc-YOUR_API_KEY"
)

# Primero inicia un trabajo de extracción
extract_job = firecrawl.start_extract([
    'https://docs.evocrawl.com/*', 
    'https://evocrawl.com/'
], 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

• completed: La extracción se completó correctamente.
• processing: Evocrawl aún está procesando tu solicitud.
• failed: Ocurrió un error; los datos no se extrajeron por completo.
• cancelled: El trabajo fue cancelado por el usuario.

{
  "success": true,
  "data": [],
  "status": "en_proceso",
  "expiresAt": "2025-01-08T20:58:12.000Z"
}

{
  "success": true,
  "data": {
      "company_mission": "Evocrawl 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"
}

from firecrawl import Evocrawl

# Inicializa Evocrawl con tu clave de API
firecrawl = Evocrawl(api_key='your_api_key')

data = firecrawl.extract([
  'https://docs.evocrawl.com/',
  'https://evocrawl.com/'
], prompt="Extrae la misión de Evocrawl de la página.")
print(data)

{
  "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."
  }
}

from firecrawl import Evocrawl

# Inicializa Evocrawl con tu clave de API

firecrawl = Evocrawl(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)

{
  "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"]
      }
    ],
  }

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 Evocrawl.'

# Realiza la extracción
scrape_result = firecrawl.extract(prompt=prompt, schema=ExtractSchema)

print(scrape_result)

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.

curl -X POST https://api.evocrawl.com/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.

¿Eres un agente de IA que necesita una clave API de Evocrawl? Consulta evocrawl.com/agent-onboarding/SKILL.md para obtener instrucciones de incorporación automatizada.