Descargar resultados

Cada página de resultados tiene botones que descargan lo que encontró la búsqueda: URLs, CSV y CSV+fragmentos. Con la sesión iniciada también está Clúster, que guarda los resultados en lugar de descargarlos. Las filas llegan en el mismo orden que en la página de resultados.

Qué da cada botón

El archivo se llama como la consulta, sin nada que no sean letras latinas, cifras, - y _: "static.hotjar.com" da statichotjarcom.csv.

El formato

• UTF-8. En CSV y CSV+fragmentos, la primera línea nombra las columnas: url;rank o url;rank;snippets. El archivo de URLs no tiene esa línea.
• Las columnas se separan con punto y coma ;. Una celda que contiene un punto y coma, una coma, un tabulador, unas comillas dobles o un salto de línea va entre comillas dobles, y las comillas que lleve dentro se duplican. Es CSV estándar: una hoja de cálculo o una biblioteca CSV lo lee tal cual, con el punto y coma elegido como separador, y una celda se mantiene entera aunque también se elija la coma o el tabulador.
• La posición es el lugar del sitio en el ranking de popularidad. Queda vacía para un sitio que no tiene posición.
• Todos los fragmentos de una página van en una sola celda, unidos con ....
• Un fragmento que empieza por =, +, - o @ lleva un apóstrofo delante, para que una hoja de cálculo lo muestre en lugar de ejecutarlo como fórmula. Los números, como los de teléfono, se dejan tal cual.

Cuántas filas

Las filas se toman desde el principio de los resultados, hasta el límite del plan: Resultados por búsqueda o descarga para URLs y CSV, Descarga con fragmentos (filas) para CSV+fragmentos. Las cifras están en la página Precios. Sin iniciar sesión, un archivo contiene la primera página de resultados: hasta 20 filas.

Los sitios ocultos en tu plan - las filas que aparecen como Regístrate para ver o Mejora tu plan para ver - no están en el archivo. Los resultados van por popularidad y los sitios ocultos vienen después de los abiertos, así que un archivo puede ser más corto que el límite o no tener ninguna fila; entonces los botones de descarga están inactivos.

El texto de ayuda de cada botón indica cuántas filas tendrá el archivo, por ejemplo 7 de 1.059 filas: no se descargan los sitios ocultos en tu plan. Cuando la página no muestra dónde terminan las filas abiertas, dice Como máximo: el archivo termina en el primer sitio oculto en tu plan, que puede llegar antes.

Cuando el archivo es más corto que los resultados, su última línea explica por qué:

# Truncated at the plan limit: 1000 of 22694 results.
# 7 of 1059 results: websites hidden on your plan are left out.

La primera forma significa que se alcanzó el límite de filas del plan; la segunda, que se dejaron fuera los sitios ocultos en tu plan. La línea empieza por # y está escrita en el idioma del sitio desde el que descargaste (los ejemplos de arriba son de la versión en inglés); sus números no llevan separador de miles. No es un resultado: sáltala al leer el archivo desde un programa. Si no aparece, el archivo contiene todos los resultados.

Una descarga se cobra igual que la propia búsqueda: una búsqueda de la cuota diaria y, con CSV+fragmentos, también una descarga con fragmentos - consulta cuotas y límites de frecuencia. Cuando se agotan las búsquedas del día, una descarga trae lo que permite el plan gratuito, y la última línea indica que el archivo se recortó.

Desde un script

Los botones son enlaces en la página de resultados; la dirección que llevan funciona durante diez minutos desde la dirección de red que abrió la página. Para descargar desde tu propio código, usa la API: /v1/search con format=csv o format=txt. Las antiguas URL de exportación con ?key= mantienen exactamente su formato de siempre: las celdas no van entre comillas, no hay última línea y un sitio sin posición muestra >30M.

Otras descargas

• Un clúster - el icono de descarga en la lista de clústeres da un archivo de texto con sus dominios, uno por línea.
• Extracción - un CSV separado por comas, no por punto y coma, con fila de encabezado: el dominio y después una columna por expresión. Varios valores encontrados en un mismo sitio comparten celda, uno por línea. La última línea, que empieza por #, indica cuántos puntos de extracción usó la ejecución; cuando se agotan los puntos del día, la línea anterior indica por dónde continuar. Consulta Extracción.