Leer una sola página y extraer lo que contiene

Una página conocida, leída una vez, sin iniciar sesión ni modificar nada: el árbol, el texto depurado y evaluer para valores precisos. Salida real.

A veces la tarea es una página cuya dirección conoce, leída una vez: sin iniciar sesión, sin cambiar nada. Es lo más ligero que hace el núcleo de navegación.

La estructura

/opt/dinoer/venv/bin/python3 /opt/dinoer/shot.py \
  --url https://example.com --a11y --guide-version 1.6

{"succes": true, "http_status": 200,
 "a11y_tree": "- heading \"Example Domain\" [level=1]\n- paragraph: This domain is for use in documentation examples…",
 "boussole": {"titre_page": "Example Domain", "dernier_code_http": 200}}

--a11y devuelve el árbol de accesibilidad como texto: roles, enlaces, títulos.

El texto depurado

{"type": "extraire_texte"}

{"extraction_texte": {"titre": "Example Domain",
 "texte": "Example Domain\nExample Domain\nThis domain is for use in documentation examples without needing permission. Avoid use in operations.\nLearn more",
 "url": "https://example.com/", "date_capture": "2026-08-14T13:23:35+00:00"}}

La misma sesión que la salida anterior. El árbol da la estructura; extraire_texte da el texto de la página sin marcado ni etiquetas de relleno, cuando lo que necesita es lo que dice la página.

Valores precisos con `evaluer`

{"type": "evaluer",
 "script": "document.querySelector('.price')?.textContent.trim()"}

evaluer devuelve un valor que su código puede comparar: un precio en varias fuentes, una entrada de una lista, un campo de una página construida con JavaScript. En una página así, espere a que la red se calme (attendre_reseau_calme) antes de leer; un script que se ejecuta antes que los de la página no lee nada.

Cuando no es la tarea adecuada

Una sola página cuya dirección conoce es este caso. Un tema que aún no ha acotado, en fuentes que aún no conoce, es una campaña: la campaña de investigación →.

Y algunas plataformas comerciales rechazan a un agente pida lo que pida. Lo que la web rechaza →

En resumen

Ninguna imagen, en ningún modo: --a11y y extraire_texte son todo lo que devuelve la lectura de una página.
evaluer para valores precisos que su código puede comparar.
Espere a que la página se estabilice antes de leer lo que construye JavaScript.
Una página conocida: léala directamente. Una pregunta abierta sobre fuentes desconocidas: una campaña.