Conector Sitemap

Descubre las URLs de tus páginas de detalle desde tu sitemap.xml y extrae un documento de cada una parseando su HTML.

Es la mejor opción cuando tu home/listado es una SPA (JavaScript puro, sin HTML útil) pero tus páginas de detalle sí tienen SSR/prerender (el caso típico de muchos portales de eventos e inmobiliarias).

Configuración

Campo	Obligatorio	Descripción
sitemapUrl	Sí	URL del sitemap.xml. Puede ser un sitemap_index (lo expandimos un nivel) o un urlset directo.
urlFilter	No	Expresión regular que debe casar la URL. Útil para quedarte solo con las páginas de detalle.
maxUrls	No	Cuántas URLs procesar (por defecto 12, máximo 500). En la previsualización del onboarding se usa un número pequeño.
adapter	No	product, event o auto (por defecto). En auto decidimos el tipo mirando los datos estructurados de cada página.

{
  "sitemapUrl": "https://tu-web.com/sitemap_index.xml",
  "urlFilter":  "/producto/",
  "maxUrls":    200,
  "adapter":    "product"
}

Cómo extrae cada página

Para cada URL descargada, el adaptador intenta, en cascada:

1. Datos estructurados — JSON-LD, microdata, RDFa o microformatos (Schema.org Product/Event…). Ver Mapeo de campos.
2. Open Graph — og:title, og:image, product:price:amount…
3. Heurística — h1, imagen principal y zona de precio.

Con adapter: "auto", si la página declara un Product lo tratamos como producto (precio, stock, oferta); si declara un Event, como evento (fecha, ubicación). Las señales de disponibilidad y oferta se traducen a las badges del sistema (agotado, en oferta…).

Buenas prácticas

• Usa urlFilter para no rastrear categorías, etiquetas o páginas de autor.
• Si tu sitemap es un índice enorme, empieza con un maxUrls bajo y sube cuando veas que la extracción es correcta en la previsualización del onboarding.
• Una página inaccesible no rompe la sincronización: se salta y seguimos.

Frecuencia

Por defecto se re-sincroniza cada 12 horas. Los sitemaps cambian poco, así que rara vez necesitarás más. Ver Programación y planes.