scraping | Firecrawl

Firecrawl convierte páginas web en markdown, ideal para aplicaciones con LLM.

Gestiona la complejidad: proxies, caching, límites de tasa y contenido bloqueado por JS
Maneja contenido dinámico: sitios web dinámicos, sitios renderizados con JS, PDF e imágenes
Genera markdown limpio, datos estructurados, capturas de pantalla o html.

Para más detalles, consulta la referencia de la API del endpoint scraping.

Pruébalo en el Playground

Prueba el scraping en el playground interactivo, sin necesidad de escribir código.

Si una solicitud falla, consulta Errores para ver el catálogo completo de códigos de error, causas, soluciones y recomendaciones sobre reintentos.

Extraer datos de una URL con Firecrawl

punto de conexión /scrape

Se utiliza para extraer el contenido de una URL.

Instalación

# pip install firecrawl-py

from firecrawl import Firecrawl

firecrawl = Firecrawl(
  # No se necesita API key para comenzar — agrega una para límites de tasa más altos:
  # api_key="fc-YOUR-API-KEY",
)

// npm install firecrawl

import { Firecrawl } from 'firecrawl';

const firecrawl = new Firecrawl({
  // No se necesita API key para comenzar — agrega una para obtener límites de tasa más altos:
  // apiKey: "fc-YOUR-API-KEY",
});

# Instalar globalmente con npm
npm install -g firecrawl

# Autenticar (configuración de una sola vez)
firecrawl login

Uso

from firecrawl import Firecrawl

firecrawl = Firecrawl(
  # No se necesita API key para comenzar — añade una para obtener límites de tasa más altos:
  # api_key="fc-YOUR-API-KEY",
)

# Extraer datos de un sitio web:
doc = firecrawl.scrape("https://firecrawl.dev", formats=["markdown", "html"])
print(doc)

import { Firecrawl } from 'firecrawl';

const firecrawl = new Firecrawl({
  // No se necesita API key para comenzar — agrega una para límites de tasa más altos:
  // apiKey: "fc-YOUR-API-KEY",
});

// Extraer un sitio web:
const doc = await firecrawl.scrape('https://firecrawl.dev', { formats: ['markdown', 'html'] });
console.log(doc);

# No se necesita API key para comenzar — agrega -H "Authorization: Bearer $FIRECRAWL_API_KEY" para límites de tasa más altos:
curl -s -X POST "https://api.firecrawl.dev/v2/scrape" \
  -H "Content-Type: application/json" \
  -d '{
    "url": "https://firecrawl.dev",
    "formats": ["markdown", "html"]
  }'

# Scrape a URL and get markdown
firecrawl https://firecrawl.dev

# Con múltiples formatos (devuelve JSON)
firecrawl https://firecrawl.dev --format markdown,html,links --pretty

Para más información sobre los parámetros, consulta la Referencia de la API.

PDF y documentos: /scrape detecta automáticamente archivos PDF, DOCX y otros tipos de documentos a partir de las URL. Pasa la URL de un PDF igual que harías con cualquier página web — Firecrawl lo procesa y devuelve markdown limpio. Para archivos locales a los que no se puede acceder mediante una URL, usa /parse en su lugar.

Python

doc = firecrawl.scrape("https://example.com/report.pdf", formats=["markdown"])
print(doc.markdown)

Cada scrape consume 1 crédito. Se aplican créditos adicionales para ciertas opciones: el modo JSON cuesta 4 créditos adicionales por página, los formatos de question y highlights cuestan 4 créditos adicionales por página por formato, el proxy mejorado cuesta 4 créditos adicionales por página, la redacción de PII cuesta 4 créditos adicionales por página, el procesamiento de PDF cuesta 1 crédito por página de PDF y la extracción de audio o video cuesta 4 créditos adicionales por página.

Respuesta

Los SDK devolverán el objeto de datos directamente. cURL devolverá el payload exactamente como se muestra a continuación.

{
  "success": true,
  "data" : {
    "markdown": "¡Launch Week I ya está aquí! [Consulta nuestro lanzamiento del Día 2 🚀](https://www.firecrawl.dev/blog/launch-week-i-day-2-doubled-rate-limits)[💥 Obtén 2 meses gratis...",
    "html": "<!DOCTYPE html><html lang=\"en\" class=\"light\" style=\"color-scheme: light;\"><body class=\"__variable_36bd41 __variable_d7dc5d font-inter ...",
    "metadata": {
      "title": "Inicio - Firecrawl",
      "description": "Firecrawl rastrea y convierte cualquier sitio web en Markdown limpio.",
      "language": "en",
      "keywords": "Firecrawl,Markdown,Data,Mendable,Langchain",
      "robots": "seguir, indexar",
      "ogTitle": "Firecrawl",
      "ogDescription": "Convierte cualquier sitio web en datos listos para LLM.",
      "ogUrl": "https://www.firecrawl.dev/",
      "ogImage": "https://www.firecrawl.dev/og.png?123",
      "ogLocaleAlternate": [],
      "ogSiteName": "Firecrawl",
      "sourceURL": "https://firecrawl.dev",
      "statusCode": 200,
      "contentType": "text/html"
    }
  }
}

Formatos de scraping

Ahora puedes elegir en qué formatos quieres el resultado. Puedes especificar múltiples formatos de salida. Los formatos compatibles son:

Markdown (markdown)
Resumen (summary)
HTML (html) - versión limpia del HTML de la página
HTML sin procesar (rawHtml) - HTML sin modificar tal como se recibe de la página
Captura de pantalla (screenshot, con opciones como fullPage, quality, viewport) — las URL de las capturas de pantalla caducan después de 24 horas
Enlaces (links)
JSON (json) - salida estructurada
Imágenes (images) - extrae todas las URL de imágenes de la página
Branding (branding) - extrae la identidad de marca y el sistema de diseño
Producto (product) - extrae un producto estructurado (título, precio, disponibilidad y variantes) de las páginas de producto
Audio (audio) - extrae audio MP3 de URL de vídeo compatibles, p. ej., YouTube (devuelve una URL firmada de GCS, caduca después de 1 hora)
Vídeo (video) - extrae vídeo de la mejor calidad de URL de vídeo compatibles, p. ej., YouTube (devuelve una URL firmada de GCS, caduca después de 1 hora)
Query (query, con prompt y mode opcional) - haz una pregunta en lenguaje natural sobre la página; la respuesta se devuelve en el campo answer

Las claves de salida coincidirán con el formato que elijas.

Extrae datos estructurados

punto de conexión /scrape (con json)

Se usa para extraer datos estructurados de páginas rastreadas.

¿Vas a extraer productos? En las páginas de producto, el format product devuelve campos de producto estructurados (título, precio, disponibilidad y variantes) de forma determinista, sin llamada al LLM ni schema que definir. Usa json cuando necesites campos personalizados o páginas que no sean de producto.

from firecrawl import Firecrawl
from pydantic import BaseModel

app = Firecrawl(
  # No se necesita API key para comenzar — agrega una para obtener límites de tasa más altos:
  # api_key="fc-YOUR-API-KEY",
)

class CompanyInfo(BaseModel):
    company_mission: str
    supports_sso: bool
    is_open_source: bool
    is_in_yc: bool

result = app.scrape(
    'https://firecrawl.dev',
    formats=[{
      "type": "json",
      "schema": CompanyInfo.model_json_schema()
    }],
    only_main_content=False,
    timeout=120000
)

print(result)

import { Firecrawl } from "firecrawl";
import { z } from "zod";

const app = new Firecrawl({
  // No se necesita API key para comenzar — agrega una para límites de tasa más altos:
  // apiKey: "fc-YOUR_API_KEY",
});

// Definir esquema para extraer el contenido
const schema = z.object({
  company_mission: z.string(),
  supports_sso: z.boolean(),
  is_open_source: z.boolean(),
  is_in_yc: z.boolean()
});

const result = await app.scrape("https://firecrawl.dev", {
  formats: [{
    type: "json",
    schema: schema
  }],
});

console.log(result);

# No se necesita API key para comenzar — añade -H "Authorization: Bearer YOUR_API_KEY" para límites de tasa más altos:
curl -X POST https://api.firecrawl.dev/v2/scrape \
    -H 'Content-Type: application/json' \
    -d '{
      "url": "https://firecrawl.dev",
      "formats": [ {
        "type": "json",
        "schema": {
          "type": "object",
          "properties": {
            "company_mission": {
                      "type": "string"
            },
            "supports_sso": {
                      "type": "boolean"
            },
            "is_open_source": {
                      "type": "boolean"
            },
            "is_in_yc": {
                      "type": "boolean"
            }
          },
          "required": [
            "company_mission",
            "supports_sso",
            "is_open_source",
            "is_in_yc"
          ]
        }
      } ]
    }'

Salida:

JSON

{
    "success": true,
    "data": {
      "json": {
        "company_mission": "Rastreo y extracción de datos web con IA",
        "supports_sso": true,
        "is_open_source": true,
        "is_in_yc": true
      },
      "metadata": {
        "title": "Firecrawl",
        "description": "Rastreo y extracción de datos web con IA",
        "robots": "seguir, indexar",
        "ogTitle": "Firecrawl",
        "ogDescription": "Rastreo y extracción de datos web con IA",
        "ogUrl": "https://firecrawl.dev/",
        "ogImage": "https://firecrawl.dev/og.png",
        "ogLocaleAlternate": [],
        "ogSiteName": "Firecrawl"
        "sourceURL": "https://firecrawl.dev/"
      },
    }
}

Extracción sin esquema

Ahora puedes extraer sin un esquema con solo pasar un prompt al punto de conexión. El LLM elige la estructura de los datos.

from firecrawl import Firecrawl

app = Firecrawl(
  # No se necesita API key para comenzar — añade una para obtener límites de tasa más altos:
  # api_key="fc-YOUR-API-KEY",
)

result = app.scrape(
    'https://firecrawl.dev',
    formats=[{
      "type": "json",
      "prompt": "Extract the company mission from the page."
    }],
    only_main_content=False,
    timeout=120000
)

print(result)

import { Firecrawl } from "firecrawl";

const app = new Firecrawl({
  // No se necesita API key para comenzar — agrega una para obtener límites de tasa más altos:
  // apiKey: "fc-YOUR_API_KEY",
});

const result = await app.scrape("https://firecrawl.dev", {
  formats: [{
    type: "json",
    prompt: "Extract the company mission from the page."
  }]
});

console.log(result);

# No se necesita API key para comenzar — añade -H "Authorization: Bearer YOUR_API_KEY" para límites de tasa más altos:
curl -X POST https://api.firecrawl.dev/v2/scrape \
    -H 'Content-Type: application/json' \
    -d '{
      "url": "https://firecrawl.dev",
      "formats": [{
        "type": "json",
        "prompt": "Extract the company mission from the page."
      }]
    }'

Salida:

JSON

{
    "success": true,
    "data": {
      "json": {
        "company_mission": "Rastreo web y extracción de datos impulsados por IA",
      },
      "metadata": {
        "title": "Firecrawl",
        "description": "Rastreo web y extracción de datos impulsados por IA",
        "robots": "seguir, indexar",
        "ogTitle": "Firecrawl",
        "ogDescription": "Rastreo web y extracción de datos impulsados por IA",
        "ogUrl": "https://firecrawl.dev/",
        "ogImage": "https://firecrawl.dev/og.png",
        "ogLocaleAlternate": [],
        "ogSiteName": "Firecrawl",
        "sourceURL": "https://firecrawl.dev/"
      },
    }
}

Opciones del formato JSON

Al usar el formato json, pasa un objeto dentro de formats con los siguientes parámetros:

schema: JSON Schema para la salida estructurada.
prompt: Prompt opcional para ayudar a guiar la extracción cuando hay un esquema o cuando prefieras una guía ligera.

Extraer la identidad de la marca

endpoint /scrape (con branding)

El formato de branding extrae información completa sobre la identidad de marca de una página web, incluidos colores, fuentes, tipografía, espaciado, componentes de la UI y más. Es útil para analizar sistemas de diseño, monitorear marcas o crear herramientas que necesiten comprender la identidad visual de un sitio web.

from firecrawl import Firecrawl

firecrawl = Firecrawl(
  # No se necesita API key para comenzar — agrega una para obtener límites de tasa más altos:
  # api_key='fc-YOUR_API_KEY',
)

result = firecrawl.scrape(
    url='https://firecrawl.dev',
    formats=['branding']
)

print(result['branding'])

import { Firecrawl } from 'firecrawl';

const firecrawl = new Firecrawl({
  // No se necesita API key para comenzar — agrega una para obtener límites de tasa más altos:
  // apiKey: "fc-YOUR-API-KEY",
});

const result = await firecrawl.scrape('https://firecrawl.dev', {
    formats: ['branding']
});

console.log(result.branding);

# No se necesita API key para comenzar — agrega -H "Authorization: Bearer $FIRECRAWL_API_KEY" para obtener límites de tasa más altos:
curl -s -X POST "https://api.firecrawl.dev/v2/scrape" \
  -H "Content-Type: application/json" \
  -d '{
    "url": "https://firecrawl.dev",
    "formats": ["branding"]
  }'

Respuesta

El formato de marca devuelve un objeto BrandingProfile completo con la siguiente estructura:

Output

{
  "success": true,
  "data": {
    "branding": {
      "colorScheme": "dark",
      "logo": "https://firecrawl.dev/logo.svg",
      "colors": {
        "primary": "#FF6B35",
        "secondary": "#004E89",
        "accent": "#F77F00",
        "background": "#1A1A1A",
        "textPrimary": "#FFFFFF",
        "textSecondary": "#B0B0B0"
      },
      "fonts": [
        {
          "family": "Inter"
        },
        {
          "family": "Roboto Mono"
        }
      ],
      "typography": {
        "fontFamilies": {
          "primary": "Inter",
          "heading": "Inter",
          "code": "Roboto Mono"
        },
        "fontSizes": {
          "h1": "48px",
          "h2": "36px",
          "h3": "24px",
          "body": "16px"
        },
        "fontWeights": {
          "regular": 400,
          "medium": 500,
          "bold": 700
        }
      },
      "spacing": {
        "baseUnit": 8,
        "borderRadius": "8px"
      },
      "components": {
        "buttonPrimary": {
          "background": "#FF6B35",
          "textColor": "#FFFFFF",
          "borderRadius": "8px"
        },
        "buttonSecondary": {
          "background": "transparent",
          "textColor": "#FF6B35",
          "borderColor": "#FF6B35",
          "borderRadius": "8px"
        }
      },
      "images": {
        "logo": "https://firecrawl.dev/logo.svg",
        "favicon": "https://firecrawl.dev/favicon.ico",
        "ogImage": "https://firecrawl.dev/og-image.png"
      }
    }
  }
}

Estructura del perfil de marca

El objeto branding contiene las siguientes propiedades:

colorScheme: El esquema de color detectado (“light” o “dark”)
logo: URL del logotipo principal
colors: Objeto que contiene los colores de la marca:
- primary, secondary, accent: Colores principales de la marca
- background, textPrimary, textSecondary: Colores de la interfaz
- link, success, warning, error: Colores semánticos
fonts: Lista de familias tipográficas usadas en la página
typography: Información tipográfica detallada:
- fontFamilies: Familias tipográficas principal, de encabezados y de código
- fontSizes: Definiciones de tamaños para encabezados y cuerpo de texto
- fontWeights: Definiciones de grosor (light, regular, medium, bold)
- lineHeights: Valores de interlineado para distintos tipos de texto
spacing: Información de espaciado y maquetación:
- baseUnit: Unidad base de espaciado en píxeles
- borderRadius: Radio de borde predeterminado
- padding, margins: Valores de espaciado
components: Estilos de componentes de la interfaz:
- buttonPrimary, buttonSecondary: Estilos de botones
- input: Estilos de campos de entrada
icons: Información sobre el estilo de los íconos
images: Imágenes de marca (logo, favicon, og:image)
animations: Configuración de animaciones y transiciones
layout: Configuración de distribución (grid, alturas de encabezado/pie)
personality: Rasgos de personalidad de la marca (tono, energía, público objetivo)

Combinar con otros formatos

Puedes combinar el formato de branding con otros formatos para obtener datos completos de la página:

from firecrawl import Firecrawl

firecrawl = Firecrawl(
  # No se necesita API key para comenzar — agrega una para obtener límites de tasa más altos:
  # api_key='fc-YOUR_API_KEY',
)

result = firecrawl.scrape(
    url='https://firecrawl.dev',
    formats=['markdown', 'branding', 'screenshot']
)

print(result['markdown'])
print(result['branding'])
print(result['screenshot'])

import { Firecrawl } from 'firecrawl';

const firecrawl = new Firecrawl({
  // No se necesita API key para comenzar — agrega una para límites de tasa más altos:
  // apiKey: "fc-TU-CLAVE-API",
});

const result = await firecrawl.scrape('https://firecrawl.dev', {
    formats: ['markdown', 'branding', 'screenshot']
});

console.log(result.markdown);
console.log(result.branding);
console.log(result.screenshot);

# No se necesita API key para comenzar — agrega -H "Authorization: Bearer $FIRECRAWL_API_KEY" para límites de tasa más altos:
curl -s -X POST "https://api.firecrawl.dev/v2/scrape" \
  -H "Content-Type: application/json" \
  -d '{
    "url": "https://firecrawl.dev",
    "formats": ["markdown", "branding", "screenshot"]
  }'

Extraer datos de productos

El formato product extrae un producto estructurado de forma determinista: el mismo tipo de salida estructurada que el formato json, pero sin una llamada a un LLM ni un esquema definido por ti, y diseñado específicamente para páginas de producto. Si has estado extrayendo campos de producto con un esquema json, usa formats: ["product"] en su lugar: es más rápido y más barato, aunque se limita a productos. Devuelve un objeto product con título, marca, categoría, descripción y variantes, donde cada variante incluye precio, precio original, disponibilidad e imágenes; útil para el seguimiento de precios, la ingesta de catálogos o las herramientas de comparación de precios.

punto de conexión /scrape (con producto)

from firecrawl import Firecrawl

firecrawl = Firecrawl(
  # No se necesita API key para empezar — agrega una para obtener límites de tasa más altos:
  # api_key='fc-YOUR_API_KEY',
)

result = firecrawl.scrape(
    url='https://example.com/products/wireless-headphones',
    formats=['product']
)

print(result['product'])

import { Firecrawl } from 'firecrawl';

const firecrawl = new Firecrawl({
  // No se necesita API key para empezar — agrega una para obtener límites de tasa más altos:
  // apiKey: "fc-YOUR-API-KEY",
});

const result = await firecrawl.scrape('https://example.com/products/wireless-headphones', {
    formats: ['product']
});

console.log(result.product);

# No se necesita API key para comenzar — añade -H "Authorization: Bearer $FIRECRAWL_API_KEY" para obtener límites de tasa más altos:
curl -s -X POST "https://api.firecrawl.dev/v2/scrape" \
  -H "Content-Type: application/json" \
  -d '{
    "url": "https://example.com/products/wireless-headphones",
    "formats": ["product"]
  }'

Respuesta

El formato product devuelve un objeto product con la siguiente estructura:

Output

{
  "success": true,
  "data": {
    "product": {
      "title": "Wireless Noise-Cancelling Headphones",
      "brand": "Acme",
      "category": "Electronics > Audio > Headphones",
      "url": "https://example.com/products/wireless-headphones",
      "description": "Over-ear wireless headphones with active noise cancellation, 30-hour battery life, and plush memory-foam ear cushions for all-day comfort.",
      "variants": [
        {
          "id": "wireless-headphones-black",
          "sku": "ACME-WH-BLACK",
          "title": "Wireless Noise-Cancelling Headphones — Black",
          "values": {
            "color": "Black"
          },
          "price": {
            "amount": 199.99,
            "currency": "USD",
            "formatted": "$199.99"
          },
          "sale": {
            "originalPrice": {
              "amount": 249.99,
              "currency": "USD",
              "formatted": "$249.99"
            }
          },
          "availability": {
            "inStock": true,
            "text": "In Stock"
          },
          "images": [
            {
              "url": "https://example.com/images/headphones-black.jpg",
              "alt": "Wireless Noise-Cancelling Headphones — Black"
            }
          ]
        }
      ]
    }
  }
}

Estructura del objeto product

El objeto product contiene las siguientes propiedades:

title: El nombre del producto
brand: La marca del producto (opcional)
category: La categoría del producto (opcional)
url: La URL canónica del producto
description: La descripción del producto (opcional)
variants: array de variantes del producto. El precio, la disponibilidad y las imágenes se encuentran en cada variante; un producto con un solo SKU sigue devolviendo exactamente una variante que contiene estos datos. Cada variante tiene:
- id, sku, title: identificadores y nombre de la variante (todos opcionales)
- values: un mapa del nombre de la opción a su valor, p. ej., { "color": "Charcoal" } (opcional)
- price: el objeto del precio actual (opcional):
  - amount: El valor numérico del precio
  - currency: El código de moneda, solo se informa cuando la página lo proporciona (opcional)
  - formatted: El precio tal como se muestra en la página (opcional)
- sale: presente solo cuando la variante tiene descuento (opcional). Contiene:
  - originalPrice: El precio original (antes del descuento), con la misma estructura que price
- availability: información de disponibilidad, siempre presente en una variante:
  - inStock: Si la variante está en stock
  - text: El texto de disponibilidad sin procesar de la página (opcional)
- images: array de imágenes de la variante, cada una con una url y texto alt opcional (opcional)

Cómo funciona la extracción de productos

El formato de producto extrae el producto de forma determinista a partir de los datos estructurados de la página; no interviene ningún LLM. Combina varias fuentes por prioridad: JSON-LD > microdatos de schema.org > RDFa > estado integrado (__NEXT_DATA__/Nuxt/Apollo/Redux/Remix) > runParams de AliExpress > dataLayer de GA4 > OpenGraph/<meta>. La combinación tiene en cuenta la identidad, por lo que nunca se mezclan campos de productos distintos. La moneda solo se informa cuando aparece en las fuentes de la página.

La extracción de productos funciona en modo fail-closed: las páginas ambiguas no devuelven ningún producto, y las fuentes menos fiables, como OpenGraph, solo contribuyen cuando hay un precio presente. En una página sin un producto extraíble, la respuesta omite el objeto product y añade una advertencia (warning) (por ejemplo, “No product found…”).

Alojamiento propio: el formato product depende de un servicio dedicado de extracción de productos. En Firecrawl Cloud funciona de inmediato. Si haces self-hosting, configura PRODUCT_EXTRACTION_SERVICE_URL para que apunte a ese servicio; si no está definida, solicitar el formato product devuelve una advertencia y ningún producto (el mismo patrón que usan los formatos de audio/video para su servicio).

Combinación con otros formatos

Puedes combinar el formato de producto con otros formatos para obtener datos completos de la página:

from firecrawl import Firecrawl

firecrawl = Firecrawl(
  # No se necesita API key para empezar — agrega una para obtener límites de tasa más altos:
  # api_key='fc-YOUR_API_KEY',
)

result = firecrawl.scrape(
    url='https://example.com/products/wireless-headphones',
    formats=['markdown', 'product']
)

print(result['markdown'])
print(result['product'])

import { Firecrawl } from 'firecrawl';

const firecrawl = new Firecrawl({
  // No se necesita API key para empezar — agrega una para obtener límites de tasa más altos:
  // apiKey: "fc-YOUR-API-KEY",
});

const result = await firecrawl.scrape('https://example.com/products/wireless-headphones', {
    formats: ['markdown', 'product']
});

console.log(result.markdown);
console.log(result.product);

# No se necesita API key para comenzar — agrega -H "Authorization: Bearer $FIRECRAWL_API_KEY" para obtener límites de tasa más altos:
curl -s -X POST "https://api.firecrawl.dev/v2/scrape" \
  -H "Content-Type: application/json" \
  -d '{
    "url": "https://example.com/products/wireless-headphones",
    "formats": ["markdown", "product"]
  }'

Extracción de audio

El formato audio extrae el audio de sitios web compatibles (p. ej., YouTube) como archivos MP3 y devuelve una URL firmada de Google Cloud Storage. Esto es útil para crear flujos de procesamiento de audio, servicios de transcripción o herramientas para pódcasts.

La extracción de audio cuesta 5 créditos por página (1 base + 4 adicionales).

from firecrawl import Firecrawl

firecrawl = Firecrawl(
  # No se necesita API key para comenzar — agrega una para límites de tasa más altos:
  # api_key="fc-YOUR-API-KEY",
)

doc = firecrawl.scrape("https://www.youtube.com/watch?v=dQw4w9WgXcQ", formats=["audio"])
print(doc.audio)  # URL firmada de GCS para el archivo MP3

import { Firecrawl } from 'firecrawl';

const firecrawl = new Firecrawl({
  // No se necesita API key para comenzar — añade una para límites de tasa más altos:
  // apiKey: "fc-YOUR-API-KEY",
});

const doc = await firecrawl.scrape('https://www.youtube.com/watch?v=dQw4w9WgXcQ', {
  formats: ['audio']
});

console.log(doc.audio); // URL firmada de GCS para el archivo MP3

# No se necesita API key para comenzar — agrega -H "Authorization: Bearer $FIRECRAWL_API_KEY" para obtener límites de tasa más altos:
curl -s -X POST "https://api.firecrawl.dev/v2/scrape" \
  -H "Content-Type: application/json" \
  -d '{
    "url": "https://www.youtube.com/watch?v=dQw4w9WgXcQ",
    "formats": ["audio"]
  }'

Extracción de video

El formato video extrae el video con la mejor calidad de sitios web compatibles (p. ej., YouTube) y devuelve una URL firmada de Google Cloud Storage. Esto resulta útil para crear pipelines de procesamiento de video, herramientas de moderación o flujos de trabajo de archivado de contenido multimedia.

La extracción de video cuesta 5 créditos por página (1 base + 4 adicionales).

from firecrawl import Firecrawl

firecrawl = Firecrawl(
  # No se necesita API key para comenzar — agrega una para obtener límites de tasa más altos:
  # api_key="fc-YOUR-API-KEY",
)

doc = firecrawl.scrape("https://www.youtube.com/watch?v=dQw4w9WgXcQ", formats=["video"])
print(doc.video)  # URL firmada de GCS del archivo de video

import { Firecrawl } from 'firecrawl';

const firecrawl = new Firecrawl({
  // No se necesita API key para comenzar — agrega una para límites de tasa más altos:
  // apiKey: "fc-YOUR-API-KEY",
});

const doc = await firecrawl.scrape('https://www.youtube.com/watch?v=dQw4w9WgXcQ', {
  formats: ['video']
});

console.log(doc.video); // URL firmada de GCS del archivo de video

# No se necesita API key para comenzar — agrega -H "Authorization: Bearer $FIRECRAWL_API_KEY" para límites de tasa más altos:
curl -s -X POST "https://api.firecrawl.dev/v2/scrape" \
  -H "Content-Type: application/json" \
  -d '{
    "url": "https://www.youtube.com/watch?v=dQw4w9WgXcQ",
    "formats": ["video"]
  }'

Formato de pregunta

Usa el formato question para hacer una pregunta en lenguaje natural sobre la página. Firecrawl devuelve la respuesta en el campo answer de la respuesta.

El formato question cuesta 5 créditos por página (1 base + 4 adicionales por la llamada al LLM).

Opciones dentro del objeto de formato:

question (obligatorio para type: "question"): la pregunta que se debe responder. Máximo: 10.000 caracteres.

Puedes combinar question con otros formatos; por ejemplo, solicita markdown y question a la vez para obtener el contenido de la página y una respuesta en una sola llamada.

from firecrawl import Firecrawl

firecrawl = Firecrawl(
  # No se necesita API key para comenzar — agrega una para obtener límites de tasa más altos:
  # api_key="fc-YOUR-API-KEY",
)

doc = firecrawl.scrape(
    "https://firecrawl.dev",
    formats=[{"type": "question", "question": "What is Firecrawl?"}],
)
print(doc.answer)

import { Firecrawl } from 'firecrawl';

const firecrawl = new Firecrawl({
  // No se necesita API key para comenzar — agrega una para obtener límites de tasa más altos:
  // apiKey: "fc-YOUR-API-KEY",
});

const doc = await firecrawl.scrape('https://firecrawl.dev', {
  formats: [{ type: 'question', question: 'What is Firecrawl?' }],
});

console.log(doc.answer);

# No se necesita API key para comenzar — agrega -H "Authorization: Bearer $FIRECRAWL_API_KEY" para obtener límites de tasa más altos:
curl -s -X POST "https://api.firecrawl.dev/v2/scrape" \
  -H "Content-Type: application/json" \
  -d '{
    "url": "https://firecrawl.dev",
    "formats": [
      { "type": "question", "question": "What is Firecrawl?" }
    ]
  }'

El formato question también está disponible en /search mediante scrapeOptions, que ejecuta la misma extracción en cada resultado de búsqueda.

Formato highlights

Usa el formato highlights para encontrar texto fuente relevante en la página. Firecrawl devuelve el texto seleccionado en el campo highlights de la respuesta.

El formato highlights cuesta 5 créditos por página (1 base + 4 adicionales por la llamada al LLM).

Opciones dentro del objeto de formato:

query (obligatorio para type: "highlights"): la solicitud para seleccionar texto fuente. Máximo 10.000 caracteres.

Puedes combinar highlights con otros formatos; por ejemplo, solicita markdown y highlights juntos para obtener el contenido de la página y el texto fuente en una sola llamada.

from firecrawl import Firecrawl

firecrawl = Firecrawl(
  # No se necesita API key para comenzar — agrega una para obtener límites de tasa más altos:
  # api_key="fc-YOUR-API-KEY",
)

doc = firecrawl.scrape(
    "https://firecrawl.dev",
    formats=[{"type": "highlights", "query": "What is Firecrawl?"}],
)
print(doc.highlights)

import { Firecrawl } from 'firecrawl';

const firecrawl = new Firecrawl({
  // No se necesita API key para comenzar — agrega una para obtener límites de tasa más altos:
  // apiKey: "fc-YOUR-API-KEY",
});

const doc = await firecrawl.scrape('https://firecrawl.dev', {
  formats: [{ type: 'highlights', query: 'What is Firecrawl?' }],
});

console.log(doc.highlights);

# No se necesita API key para comenzar — agrega -H "Authorization: Bearer $FIRECRAWL_API_KEY" para obtener límites de tasa más altos:
curl -s -X POST "https://api.firecrawl.dev/v2/scrape" \
  -H "Content-Type: application/json" \
  -d '{
    "url": "https://firecrawl.dev",
    "formats": [
      { "type": "highlights", "query": "What is Firecrawl?" }
    ]
  }'

El formato highlights también está disponible en /search mediante scrapeOptions, que ejecuta la misma extracción en cada resultado de búsqueda.

Ocultación de PII

Configura redactPII: true para ocultar la información de identificación personal del markdown devuelto. El campo markdown contiene el resultado con la información ocultada. Consulta Ocultación de PII para ver ejemplos de SDK, cURL, CLI y MCP.

Interacción con la página mediante acciones

Firecrawl te permite realizar varias acciones en una página web antes de extraer su contenido. Esto es especialmente útil para interactuar con contenido dinámico, navegar entre páginas o acceder a contenido que requiera interacción del usuario.

Recomendamos Interact en lugar de las acciones: nuestra forma más reciente y potente de interactuar con páginas extraídas.Interact se ejecuta como una sesión de navegador con estado que permanece activa entre llamadas, para que puedas controlar una página paso a paso con cualquiera de estas opciones:

Lenguaje natural para flujos flexibles y no deterministas. Por ejemplo, “busca ‘wireless headphones’, filtra a 4+ estrellas por menos de $200 y devuelve los resultados”.
Código de Playwright o agent-browser para pasos deterministas. Por ejemplo, await page.click('#export').

Interact también admite perfiles, sesiones persistentes y una vista del navegador en vivo que se puede integrar (con un modo interactivo en el que los usuarios finales pueden controlar el navegador por sí mismos).

Aquí tienes un ejemplo de cómo usar acciones para ir a google.com, buscar Firecrawl, hacer clic en el primer resultado y tomar una captura de pantalla. Es importante usar casi siempre la acción wait antes y/o después de ejecutar otras acciones para dar tiempo suficiente a que la página cargue.

Ejemplo

from firecrawl import Firecrawl

firecrawl = Firecrawl(
  # No se necesita API key para comenzar — agrega una para obtener límites de tasa más altos:
  # api_key="fc-YOUR-API-KEY",
)

doc = firecrawl.scrape(
    url="https://example.com/login",
    formats=["markdown"],
    actions=[
        {"type": "write", "text": "john@example.com"},
        {"type": "press", "key": "Tab"},
        {"type": "write", "text": "secret"},
        {"type": "click", "selector": 'button[type="submit"]'},
        {"type": "wait", "milliseconds": 1500},
        {"type": "screenshot", "full_page": True},
    ],
)

print(doc.markdown, doc.screenshot)

import { Firecrawl } from 'firecrawl';

const firecrawl = new Firecrawl({
  // No se necesita API key para comenzar — agrega una para obtener límites de tasa más altos:
  // apiKey: "fc-TU-API-KEY",
});

const doc = await firecrawl.scrape('https://example.com/login', {
  formats: ['markdown'],
  actions: [
    { type: 'write', text: 'john@example.com' },
    { type: 'press', key: 'Tab' },
    { type: 'write', text: 'secret' },
    { type: 'click', selector: 'button[type="submit"]' },
    { type: 'wait', milliseconds: 1500 },
    { type: 'screenshot', fullPage: true },
  ],
});

console.log(doc.markdown, doc.screenshot);

# No se necesita API key para comenzar — agrega -H "Authorization: Bearer YOUR_API_KEY" para obtener límites de tasa más altos:
curl -X POST https://api.firecrawl.dev/v2/scrape \
    -H 'Content-Type: application/json' \
    -d '{
      "url": "https://example.com/login",
      "formats": ["markdown"],
      "actions": [
        { "type": "write", "text": "john@example.com" },
        { "type": "press", "key": "Tab" },
        { "type": "write", "text": "secret" },
        { "type": "click", "selector": "button[type=\"submit\"]" },
        { "type": "wait", "milliseconds": 1500 },
        { "type": "screenshot", "fullPage": true },
      ],
  }'

Salida

{
  "success": true,
  "data": {
    "markdown": "¡Nuestra primera Launch Week ha terminado! [Consulta el resumen 🚀](blog/firecrawl-launch-week-1-recap)...",
    "actions": {
      "screenshots": [
        "https://alttmdsdujxrfnakrkyi.supabase.co/storage/v1/object/public/media/screenshot-75ef2d87-31e0-4349-a478-fb432a29e241.png"
      ],
      "scrapes": [
        {
          "url": "https://www.firecrawl.dev/",
          "html": "<html><body><h1>Firecrawl</h1></body></html>"
        }
      ]
    },
    "metadata": {
      "title": "Inicio - Firecrawl",
      "description": "Firecrawl rastrea y convierte cualquier sitio web en Markdown limpio.",
      "language": "en",
      "keywords": "Firecrawl,Markdown,Datos,Mendable,LangChain",
      "robots": "seguir, index",
      "ogTitle": "Firecrawl",
      "ogDescription": "Convierte cualquier sitio web en datos listos para LLM.",
      "ogUrl": "https://www.firecrawl.dev/",
      "ogImage": "https://www.firecrawl.dev/og.png?123",
      "ogLocaleAlternate": [],
      "ogSiteName": "Firecrawl",
      "sourceURL": "http://google.com",
      "statusCode": 200
    }
  }
}

Para los flujos de trabajo que requieren un mayor control del navegador después del scraping, como sesiones autenticadas, navegación de varios pasos o una vista en vivo de la página, recomendamos Interact en lugar de ampliar el array de acciones.

Ubicación e idioma

Especifica el país y los idiomas preferidos para obtener contenido relevante según tu ubicación de destino y tus preferencias de idioma.

Cómo funciona

Cuando especificas la ubicación, Firecrawl usará un proxy adecuado si está disponible y emulará el idioma y la zona horaria correspondientes. De forma predeterminada, la ubicación se establece en “US” si no se indica lo contrario.

Uso

Para usar la configuración de ubicación e idioma, incluye el objeto location en el cuerpo de la solicitud con las siguientes propiedades:

country: código de país ISO 3166-1 alfa-2 (p. ej., ‘US’, ‘AU’, ‘DE’, ‘JP’). Por defecto: ‘US’.
languages: una lista de idiomas y configuraciones regionales preferidas para la solicitud en orden de prioridad. Por defecto, usa el idioma de la ubicación especificada.

from firecrawl import Firecrawl

firecrawl = Firecrawl(
  # No se necesita API key para comenzar — agrega una para obtener mayores límites de tasa:
  # api_key="fc-YOUR-API-KEY",
)

doc = firecrawl.scrape('https://example.com',
    formats=['markdown'],
    location={
        'country': 'US',
        'languages': ['en']
    }
)

print(doc)

import { Firecrawl } from 'firecrawl';

const firecrawl = new Firecrawl({
  // No se necesita API key para comenzar — añade una para obtener límites de tasa más altos:
  // apiKey: "fc-YOUR-API-KEY",
});

const doc = await firecrawl.scrape('https://example.com', {
  formats: ['markdown'],
  location: { country: 'US', languages: ['en'] },
});

console.log(doc.metadata);

# No se necesita API key para comenzar — agrega -H "Authorization: Bearer $FIRECRAWL_API_KEY" para obtener límites de tasa más altos:
curl -X POST "https://api.firecrawl.dev/v2/scrape" \
  -H "Content-Type: application/json" \
  -d '{
    "url": "https://example.com",
    "formats": ["markdown"],
    "location": { "country": "US", "languages": ["en"] }
  }'

Para más información sobre las ubicaciones compatibles, consulta la documentación de proxies.

Caché y maxAge

Para acelerar las solicitudes, Firecrawl sirve resultados desde la caché por defecto cuando hay una copia reciente disponible.

Ventana de frescura predeterminada: maxAge = 172800000 ms (2 días). Si la copia en caché es más reciente que esto, se devuelve al instante; de lo contrario, la página se vuelve a extraer y luego se almacena en caché.
Rendimiento: Esto puede acelerar las extracciones hasta 5× cuando los datos no necesitan estar ultra frescos.
Obtener siempre contenido fresco: Establece maxAge en 0. Ten en cuenta que esto evita el uso de la caché por completo, por lo que cada solicitud recorre todo el pipeline de scraping, lo que significa que la solicitud tardará más en completarse y es más probable que falle. Utiliza un maxAge distinto de cero si la frescura en cada solicitud no es crítica.
Evitar almacenamiento: Establece storeInCache en false si no quieres que Firecrawl almacene/guarde los resultados de esta solicitud en la caché.
Consulta solo en caché: Establece minAge para realizar una consulta solo en caché sin activar una nueva extracción. El valor está en milisegundos y especifica la antigüedad mínima que deben tener los datos en caché. Si no se encuentran datos en caché, se devuelve un 404 con el código de error SCRAPE_NO_CACHED_DATA. Establece minAge en 1 para aceptar cualquier dato en caché independientemente de su antigüedad.
Seguimiento de cambios: Las solicitudes que incluyen changeTracking omiten la caché, por lo que se ignora maxAge.
Créditos: Los resultados en caché siguen costando 1 crédito por página. El almacenamiento en caché mejora la velocidad, no el consumo de créditos.

Ejemplo (forzar contenido fresco):

from firecrawl import Firecrawl
firecrawl = Firecrawl(api_key='fc-YOUR_API_KEY')

doc = firecrawl.scrape(url='https://example.com', max_age=0, formats=['markdown'])
print(doc)

import { Firecrawl } from 'firecrawl';

const firecrawl = new Firecrawl({ apiKey: "fc-YOUR-API-KEY" });

const doc = await firecrawl.scrape('https://example.com', { maxAge: 0, formats: ['markdown'] });
console.log(doc);

curl -s -X POST "https://api.firecrawl.dev/v2/scrape" \
  -H "Authorization: Bearer $FIRECRAWL_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "url": "https://example.com",
    "maxAge": 0,
    "formats": ["markdown"]
  }'

Ejemplo (usar una ventana de caché de 10 minutos):

from firecrawl import Firecrawl
firecrawl = Firecrawl(api_key='fc-YOUR_API_KEY')

doc = firecrawl.scrape(url='https://example.com', max_age=600000, formats=['markdown', 'html'])
print(doc)

const firecrawl = new Firecrawl({ apiKey: "fc-YOUR-API-KEY" });

const doc = await firecrawl.scrape('https://example.com', { maxAge: 600000, formats: ['markdown', 'html'] });
console.log(doc);

curl -s -X POST "https://api.firecrawl.dev/v2/scrape" \
  -H "Authorization: Bearer $FIRECRAWL_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "url": "https://example.com",
    "maxAge": 600000,
    "formats": ["markdown", "html"]
  }'

Raspado por lotes de múltiples URL

Ahora puedes raspar varias URL en lote al mismo tiempo. Recibe las URL iniciales y parámetros opcionales como argumentos. El argumento params te permite especificar opciones adicionales para el trabajo de raspado por lotes, como los formatos de salida.

Cómo funciona

Es muy similar al funcionamiento del punto de conexión /crawl. Envía un trabajo de scraping por lotes y devuelve un ID de trabajo para consultar el estado del scraping por lotes. El SDK ofrece 2 métodos: sincrónico y asincrónico. El método sincrónico devuelve los resultados del trabajo de scraping por lotes, mientras que el asincrónico devuelve un ID de trabajo que puedes usar para consultar el estado del scraping por lotes.

Uso

from firecrawl import Firecrawl

firecrawl = Firecrawl(api_key="fc-TU-CLAVE-DE-API")

job = firecrawl.batch_scrape([
    "https://firecrawl.dev",
    "https://docs.firecrawl.dev",
], formats=["markdown"], poll_interval=2, wait_timeout=120)

print(job)

import { Firecrawl } from 'firecrawl';

const firecrawl = new Firecrawl({ apiKey: "fc-YOUR-API-KEY" });

const job = await firecrawl.batchScrape([
  'https://firecrawl.dev',
  'https://docs.firecrawl.dev',
], { options: { formats: ['markdown'] }, pollInterval: 2, timeout: 120 });

console.log(job);

curl -s -X POST "https://api.firecrawl.dev/v2/batch/scrape" \
  -H "Authorization: Bearer $FIRECRAWL_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "urls": ["https://firecrawl.dev", "https://docs.firecrawl.dev"],
    "formatos": ["markdown"]
  }'

Respuesta

Si usas los métodos síncronos de los SDK, devolverá los resultados del scraping por lotes. De lo contrario, devolverá un ID de tarea que puedes usar para consultar el estado del scraping por lotes.

Sincronía

Completado

{
  "status": "completed",
  "total": 36,
  "completed": 36,
  "creditsUsed": 36,
  "expiresAt": "2024-00-00T00:00:00.000Z",
  "next": "https://api.firecrawl.dev/v2/batch/scrape/123-456-789?skip=26",
  "data": [
    {
      "markdown": "[Página principal de la documentación de Firecrawl![logotipo claro](https://mintlify.s3-us-west-1.amazonaws.com/firecrawl/logo/light.svg)!...",
      "html": "<!DOCTYPE html><html lang=\"en\" class=\"js-focus-visible lg:[--scroll-mt:9.5rem]\" data-js-focus-visible=\"\">...",
      "metadata": {
        "title": "Crea un «chat con el sitio web» usando Groq Llama 3 | Firecrawl",
        "language": "en",
        "sourceURL": "https://docs.firecrawl.dev/learn/rag-llama3",
        "description": "Aprende a usar Firecrawl, Groq Llama 3 y LangChain para crear un bot de «chat con tu sitio web»."
        "ogLocaleAlternate": [],
        "statusCode": 200
      }
    },
    ...
  ]
}

Asíncrono

Luego puedes usar el ID del trabajo para consultar el estado del scrape por lotes llamando al punto de conexión /batch/scrape/{id}. Este punto de conexión está pensado para usarse mientras el trabajo sigue en ejecución o justo después de que haya finalizado, ya que los trabajos de scrape por lotes expiran a las 24 horas.

{
  "success": true,
  "id": "123-456-789",
  "url": "https://api.firecrawl.dev/v2/batch/scrape/123-456-789"
}

Modo mejorado

Para sitios web complejos, Firecrawl ofrece un modo mejorado que proporciona mayores tasas de éxito a la vez que mantiene la privacidad. Obtén más información sobre el Modo mejorado.

Retención cero de datos (ZDR)

Firecrawl admite la Retención cero de datos (ZDR) para equipos con requisitos estrictos de gestión de datos. Cuando está habilitada, Firecrawl no conservará ningún contenido de la página ni datos extraídos más allá de la duración de la solicitud. Para habilitar ZDR, establece zeroDataRetention: true en tu solicitud:

cURL

curl -X POST https://api.firecrawl.dev/v2/scrape \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer fc-YOUR_API_KEY" \
  -d '{
    "url": "https://example.com",
    "formats": ["markdown"],
    "zeroDataRetention": true
  }'

ZDR está disponible en los planes Enterprise y debe estar habilitado para tu equipo. Visita firecrawl.dev/enterprise para comenzar. ZDR añade 1 crédito adicional por página además del costo base del scrape.

Las capturas de pantalla no están disponibles en el modo ZDR. Como requieren cargarse en almacenamiento persistente, son incompatibles con la garantía de ZDR. Las solicitudes que incluyan tanto zeroDataRetention: true como un formato screenshot devolverán un error.

¿Eres un agente de IA que necesita una clave de API de Firecrawl? Consulta firecrawl.dev/agent-onboarding/SKILL.md para ver las instrucciones de incorporación automatizada.

Pruébalo en el Playground

​Extraer datos de una URL con Firecrawl

​punto de conexión /scrape

​Instalación

​Uso

​Respuesta

​Formatos de scraping

​Extrae datos estructurados

​punto de conexión /scrape (con json)

​Extracción sin esquema

​Opciones del formato JSON

​Extraer la identidad de la marca

​endpoint /scrape (con branding)

​Respuesta

​Estructura del perfil de marca

​Combinar con otros formatos

​Extraer datos de productos

​punto de conexión /scrape (con producto)

​Respuesta

​Estructura del objeto product

​Cómo funciona la extracción de productos

​Combinación con otros formatos

​Extracción de audio

​Extracción de video

​Formato de pregunta

​Formato highlights

​Ocultación de PII

​Interacción con la página mediante acciones

​Ejemplo

​Salida

​Ubicación e idioma

​Cómo funciona

​Uso

​Caché y maxAge

​Raspado por lotes de múltiples URL

​Cómo funciona

​Uso

​Respuesta

​Sincronía

​Asíncrono

​Modo mejorado

​Retención cero de datos (ZDR)

Extraer datos de una URL con Firecrawl

punto de conexión /scrape

Instalación

Uso

Respuesta

Formatos de scraping

Extrae datos estructurados

punto de conexión /scrape (con json)

Extracción sin esquema

Opciones del formato JSON

Extraer la identidad de la marca

endpoint /scrape (con branding)

Respuesta

Estructura del perfil de marca

Combinar con otros formatos

Extraer datos de productos

punto de conexión /scrape (con producto)

Respuesta

Estructura del objeto product

Cómo funciona la extracción de productos

Combinación con otros formatos

Extracción de audio

Extracción de video

Formato de pregunta

Formato highlights

Ocultación de PII

Interacción con la página mediante acciones

Ejemplo

Salida

Ubicación e idioma

Cómo funciona

Uso

Caché y maxAge

Raspado por lotes de múltiples URL

Cómo funciona

Uso

Respuesta

Sincronía

Asíncrono

Modo mejorado

Retención cero de datos (ZDR)