Saca datos de una web y pásalos a JSON

Scrapear una web a mano es frágil: escribes selectores, la página cambia, se rompe. Firecrawl le da la vuelta: le dices qué datos quieres en lenguaje normal y un agente lee la página y te los devuelve en JSON. Vamos a sacar una lista de productos de una tienda, pero sirve para cualquier dato: precios, listados, directorios, fichas.

Por qué aguanta donde un scraper normal no: un scraper a mano depende de la estructura exacta de la página, así que el día que renombran una clase, se rompe. El agente lee la página como lo harías tú, por significado. Cambia el diseño y sigue encontrando el precio, porque le pediste "el precio", no div.col-3 > span.amount.

1. Instala la CLI y entra

Firecrawl tiene una herramienta de línea de comandos. Instálala con Node y autentícate:

npm install -g firecrawl-cli

Comprueba que quedó lista. Si te falta la clave, el comando te guía para crearla en firecrawl.dev (el plan gratis da créditos de sobra para empezar). Guárdala en un .env como cualquier otra clave, nunca en el código: lo tienes en tu primera API key, sin filtrarla.

firecrawl --status
● Authenticated
  Credits: 500,000 remaining

2. Primero, mira qué hay en la página

Antes de extraer nada, scrapea la página para ver su contenido limpio. Esto te devuelve la página en markdown, sin menús ni ruido:

firecrawl scrape https://tienda-ejemplo.com/productos -o pagina.md

Abre pagina.md y comprueba que los datos que quieres están ahí. Si se ven, el agente los va a poder extraer.

3. Pídele los datos en JSON

Ahora la parte buena. El comando agent recibe una frase con lo que quieres y la URL, y te devuelve JSON. --wait espera a que termine y --pretty lo deja legible:

firecrawl agent "extrae cada producto con su nombre y su precio" \
  --urls https://tienda-ejemplo.com/productos \
  --wait --pretty -o productos.json

Y productos.json queda así, listo para usar en cualquier sitio:

[
  { "nombre": "Silla Nórdica",  "precio": 89.00 },
  { "nombre": "Mesa de Roble",  "precio": 240.00 },
  { "nombre": "Lámpara de Pie", "precio": 65.50 }
]

4. Si quieres más precisión, dale un schema

Con la frase basta para la mayoría de casos. Si necesitas que los campos salgan exactos siempre (mismos nombres, mismos tipos), le pasas un schema con --schema:

firecrawl agent "extrae los productos" \
  --urls https://tienda-ejemplo.com/productos \
  --schema '{"type":"array","items":{"type":"object","properties":{"nombre":{"type":"string"},"precio":{"type":"number"}}}}' \
  --wait --pretty -o productos.json

Cuando algo se rompe

Los tropiezos típicos, y el arreglo de cada uno:

• "command not found: firecrawl". Node no está instalado, o la instalación global no entró. Revisa instala Node y vuelve a lanzar la línea de instalación.
• 401 o "out of credits". La clave no está puesta, o gastaste los créditos gratis. Guárdala como toca (tu primera API key, sin filtrarla) y revisa tu panel.
• Al JSON le faltan campos. La frase fue muy vaga. Nombra los campos exactos, o pásale un --schema como en el paso 4.
• No devolvió nada. Los datos cargan tras un clic o un login, así que no estaban en la página que leyó el agente. Abre el pagina.md del paso 2: si no están ahí, el agente tampoco los ve.

Ahora prueba esto

El mismo comando, más alcance:

• Varias páginas a la vez. Pásale más de una URL a --urls y las junta en un solo archivo.
• Vigila los precios de la competencia. Apúntalo a su tienda, guarda el JSON, y compáralo la semana que viene.
• Haz que corra solo. Mételo en una tarea programada y ten los datos frescos cada mañana sin mover un dedo.
• Mándalo a algún sitio. El JSON entra directo en una hoja, una base de datos, o el siguiente paso de una automatización.

Lo que acabas de hacer

Convertiste una página web en datos que puedes usar, sin escribir ni mantener un scraper. Lo que pediste eran productos, pero el mismo comando saca precios de la competencia, listados de un directorio, o cualquier dato que se vea en una página. El trabajo dejó de ser programar el scraper; ahora es solo decir qué quieres.