<\/p>\n
El headless crawling<\/b> es la navegaci\u00f3n automatizada de Internet y dominios individuales usando un navegador headless (sin cabeza), que es un navegador web sin interfaz gr\u00e1fica de usuario<\/b>. El headless crawling incluye muchos enfoques y m\u00e9todos para extraer, almacenar, repasar y procesar datos. Los sitios web, las apps web y las caracter\u00edsticas individuales de las webs adem\u00e1s pueden probarse y comprobarse autom\u00e1ticamente. El headless crawling incluye superposiciones tem\u00e1ticas con temas como la recuperaci\u00f3n de informaci\u00f3n, data mining, el scraping y la automatizaci\u00f3n de pruebas.\n<\/p>\n Hasta hace poco, Google recomendaba el uso de navegadores headless para rastrear webs din\u00e1micas. Los operadores ten\u00edan que proporcionar una captura de pantalla HTML de su portal web, para que Google pudiera leer y examinar el contenido de la misma. El llamado esquema de rastreo\/crawl AJAX ha quedado obsoleto y ya no se usa. En cambio, el contenido de la web se proporciona independientemente de la tecnolog\u00eda utilizada, incluyendo el dispositivo, el navegador y la conexi\u00f3n a Internet, lo que se conoce como mejora progresiva [1]<\/sup>. El headless crawling es esencialmente una parte de cualquier motor de b\u00fasqueda. El contenido de la Web se navega, pero no se renderiza o muestra al usuario de forma gr\u00e1fica.\n<\/p>\n Lo que sucede con los datos detectados, es una cuesti\u00f3n de enfoque. No obstante, se supone que el motor de b\u00fasqueda de Google usa la capacidad de headless crawling desde 2004 y JavaScript ya no es un obst\u00e1culo desde octubre de 2015. Los motores de b\u00fasqueda pueden utilizar headless crawling para examinar sitios web. En la medida en que el crawler simula una llamada a un portal web con una interfaz no gr\u00e1fica, los motores de b\u00fasqueda pueden sacar conclusiones de esta informaci\u00f3n y calificar los sitios web en funci\u00f3n de su comportamiento en el navegador headless [2]<\/sup>.\n<\/p>\n En el centro del headless crawling se encuentra el navegador headless<\/b>, un programa que lee el contenido web, lo pasa a otros programas o lo muestra basado en texto en forma de archivos, listas y matrices. Este tipo de navegadores obtienen acceso a los sitios web por medio de su implementaci\u00f3n en una infraestructura de servidor. Opcionalmente, se puede usar un servidor virtual o un servidor proxy. Desde all\u00ed, el navegador headless intenta tener acceso a una URL; \u00e9ste es el punto de partida del procedimiento de crawling, que se inicia con una l\u00ednea de comandos o un comando de script [3]<\/sup>. Dependiendo de la configuraci\u00f3n, el navegador puede hallar m\u00e1s URLs. Los contenidos almacenados all\u00ed pueden ser procesados, inclusive la cuesti\u00f3n de las posiciones de link en el portal web es factible. No obstante, una interfaz API, que transfiere los datos al programa de tratamiento, es frecuentemente necesaria para este prop\u00f3sito.\n<\/p>\n Lo que hace que el headless crawling sea especial es la comunicaci\u00f3n m\u00e1quina a m\u00e1quina (M2M). Tanto las URLs llamadas como el contenido web encontrado no se muestra al usuario final, como en el caso de los navegadores convencionales. En su lugar, el navegador headless reenv\u00eda los datos recuperados en formatos que deben definirse de antemano, pero que pueden procesarse autom\u00e1ticamente m\u00e1s tarde. Si se implementa de forma extensiva, un navegador headless puede manejar distintos lenguajes de programaci\u00f3n, scripts y procesos gracias a una API que puede comunicarse con otros programas o infraestructuras por medio de de peticiones HTTP o TCP. Este principio se usa frecuentemente para extraer grandes cantidades de datos<\/b>, lo que en \u00faltima instancia plantea la cuesti\u00f3n de hasta qu\u00e9 punto es legal compilar y procesar dichos datos. En principio, los derechos de autor, los acuerdos de privacidad y la privacidad de los usuarios podr\u00edan ser violados [4]<\/sup>. Lo mismo se aplica a los portales de comparaci\u00f3n de precios, motores de b\u00fasqueda y proveedores de meta-b\u00fasqueda.\n<\/p>\n El headless crawling no s\u00f3lo se aplica en los motores de b\u00fasqueda, sino adem\u00e1s en otros casos de uso. Dos ejemplos:\n<\/p>\n El headless crawling es un aspecto importante de SEO. Como ya se ha mencionado, el principio es (muy probablemente) utilizado por varios motores de b\u00fasqueda para rastrear sitios web y apps web, inclusive si el esquema de crawl AJAX est\u00e1 obsoleto. Google recomienda en distintos puntos de las Directrices de calidad usar un navegador basado en texto, como Lynx, para representar los sitios web tal y como los ve Google. Se puede asumir que la capacidad de Google y de otros motores de b\u00fasqueda puede hacer mucho m\u00e1s que los navegadores basados en texto y lo que se comunica oficialmente. Por consiguiente, tendr\u00eda sentido aprender headless crawling en detalle. Porque con este principio, los sitios web pueden ser probados a fondo y con esta perspectiva los SEOs pueden aventurarse a mirar detr\u00e1s de las escenas del operador del motor de b\u00fasqueda, sin renunciar de vista a los usuarios.\n<\/p>\n \n<\/div>\n","protected":false},"excerpt":{"rendered":" El headless crawling es la navegaci\u00f3n automatizada de Internet y dominios individuales usando un navegador headless (sin cabeza), que es un navegador web sin interfaz gr\u00e1fica de usuario. El headless…<\/p>","protected":false},"author":1,"featured_media":0,"parent":0,"template":"","glossary-cat":[],"class_list":["post-69495","glossary","type-glossary","status-publish"],"yoast_head":"\n\nInformaci\u00f3n general<\/span>
\n<\/h2>\n\nC\u00f3mo funciona<\/span>
\n<\/h2>\n\nRelevancia pr\u00e1ctica<\/span>
\n<\/h2>\n\n
\n
\nRelevancia para la optimizaci\u00f3n de motores de b\u00fasqueda<\/span>
\n<\/h2>\n\n<\/h2>\n
\nEnlaces Web<\/span>
\n<\/h2>\n\n