Hack the Hydra

API de Website to Markdown para RAG y LLM

Para convertir una sola página basta la herramienta gratuita HTML to Markdown de este sitio. Para convertir un sitio de documentación entero o cientos de URL, usa el robot website-to-markdown en Apify: dale URL de inicio, rastrea con cortesía (respeta robots.txt y Crawl-delay, sin proxies) y devuelve un documento Markdown limpio por página. Cuesta 0,001 $ por página.

website-to-markdown en Apify →

¿Herramienta gratuita o API?

Para una sola página o un fragmento de HTML, pégalo en el conversor HTML to Markdown (en inglés): funciona en tu navegador y es gratuito. La API sirve para lo que una pestaña del navegador no puede hacer: rastrear muchas páginas, seguir enlaces, leer un sitemap o ejecutarse de forma programada.

Qué hace

El robot obtiene las páginas por HTTP simple, extrae el contenido principal con trafilatura (se descartan navegación, pies de página y anuncios) y genera Markdown con títulos, listas, tablas y, opcionalmente, enlaces. Opciones: maxPages, maxDepth, sameHostOnly, useSitemap, patrones de URL a incluir y excluir (globs) y un retraso entre peticiones. No renderiza JavaScript, así que las páginas que solo construyen su contenido en el navegador pueden devolverse vacías.

Ejemplo de llamada

curl -X POST "https://api.apify.com/v2/acts/extas_corp~website-to-markdown/run-sync-get-dataset-items?token=YOUR_TOKEN" \
  -H "Content-Type: application/json" \
  -d '{"startUrls":[{"url":"https://docs.python.org/3/tutorial/index.html"}],"maxPages":20,"maxDepth":1}'

La respuesta es una matriz JSON con un elemento por página: URL, título, número de palabras y el texto Markdown.

Usar el resultado para RAG

Divide cada documento Markdown por sus títulos # y ## antes de generar los embeddings; consulta Markdown o texto plano para RAG. Los títulos dan a cada fragmento un nombre con sentido, lo que mejora la recuperación.

¿Cómo rastrear con responsabilidad?

Rastrea solo los sitios que tengas permitido rastrear. El robot obedece robots.txt y se identifica con un User-Agent claro, pero sigues siendo responsable de las condiciones de cada sitio y de la carga que generes. Mantén maxPages y el retraso en valores moderados.

Precios

0,001 $ por página (1 $ por 1.000 páginas), facturado por Apify por resultado. El plan gratuito de Apify incluye algo de crédito mensual, así que los rastreos pequeños pueden no costar nada. Los conversores gratuitos de este sitio funcionan en tu navegador; los robots de Apify son para automatización y volumen. Solo pagas por resultado, sin cuota mensual por el robot en sí.

Qué contiene el conjunto de datos

Cada URL produce un elemento con un campo type, para ordenar los resultados sin adivinar:

Activa saveHtml si también quieres el HTML original junto al Markdown.

¿Cuáles son los problemas frecuentes?

FAQ

¿Renderiza JavaScript?

No. Obtiene el HTML por HTTP, lo que es rápido y barato. Las aplicaciones de una sola página que cargan contenido en el navegador pueden necesitar otra herramienta.

¿Respeta robots.txt?

Sí, incluido Crawl-delay.

¿Cuánto cuesta una página?

0,001 $ por página obtenida.

¿Puedo ejecutarlo de forma programada?

Sí, las programaciones y los webhooks de Apify funcionan con todos los robots, así que puedes actualizar una base de conocimiento cada semana.

Actualizado: noviembre de 2026. Los archivos se procesan en su navegador y no se envían a ningún servidor.

Probar ahora

website-to-markdown en Apify →

Conversor gratuito HTML to Markdown (en inglés) →