> ## Documentation Index
> Fetch the complete documentation index at: https://web2md.org/docs/llms.txt
> Use this file to discover all available pages before exploring further.

# Adaptadores de sitio

> Extracción de contenido optimizada para 16 plataformas populares, incluyendo Reddit, GitHub, YouTube, Hacker News, arXiv, Medium y más.

## Descripción general

Aunque Web2MD funciona en cualquier página web, ciertos sitios se benefician de una lógica de extracción especializada. Web2MD incluye **16 extractores específicos de plataforma** que usan la API o la estructura DOM de cada plataforma para producir un mejor resultado en Markdown que la extracción genérica.

<Frame>
  <img src="https://mintcdn.com/web2md/qOtwQjeH2QQiHWtp/images/site-adapters.png?fit=max&auto=format&n=qOtwQjeH2QQiHWtp&q=85&s=129e33379869863c7e80ea6db4c585d4" alt="Site-specific adapters" width="1280" height="800" data-path="images/site-adapters.png" />
</Frame>

## Sitios compatibles

### Basados en API (no requieren pestaña)

Estos extractores obtienen datos directamente a través de la API de la plataforma, por lo que funcionan incluso sin una pestaña de navegador activa.

#### Reddit

Extrae el contenido completo de la publicación, incluyendo:

* Título de la publicación, autor, subreddit y puntuación
* Texto propio o contenido enlazado
* Hasta **200 comentarios** con 4 niveles de anidación, incluyendo autor y puntuación
* Enlaces a imágenes y medios

Usa la API JSON de Reddit (`/.json`) para una extracción confiable.

#### Hacker News

Extrae hilos de discusión completos mediante la API de Algolia:

* Título de la publicación, URL, puntos y número de comentarios
* Todos los comentarios con autor y anidación

#### arXiv

Extrae artículos de investigación:

* Título, autores y resumen del artículo
* Contenido HTML completo de los artículos de investigación

#### YouTube

Extrae metadatos del video:

* Título del video y nombre del canal
* Duración y número de reproducciones
* Subtítulos/captions en inglés (cuando estén disponibles)

#### Twitter / X

Extrae contenido de tweets:

* Texto del tweet y medios
* Información del autor y métricas de interacción

### Basados en DOM (requieren pestaña de navegador)

Estos extractores analizan el DOM de la página dentro de la pestaña activa para obtener contenido estructurado.

#### OpenAI Docs

Extrae páginas de documentación del sitio de documentación de OpenAI:

* Bloques de código y referencias de API
* Navegación estructurada y jerarquía de contenido

#### Claude Chat

Extrae el contenido de la conversación desde la interfaz de chat de Claude.ai.

#### Notion

Extrae contenido de páginas públicas y con sesión iniciada de Notion (notion.so, notion.site):

* Extracción dual: análisis del DOM a nivel de bloque (`data-block-id`) con respaldo por contenedor
* Encabezados, texto, bloques de código, listas, toggles, callouts, citas
* Imágenes, tablas, marcadores e incrustaciones

#### Feishu / Lark

Extrae contenido de páginas Feishu Docx y Wiki (feishu.cn, larksuite.com):

* Extracción dual: modelo de bloques PageMain con respaldo por DOM
* Encabezados, texto, bloques de código, listas, tablas, imágenes
* Callouts y casillas de verificación

#### Medium

Extrae contenido de artículos del DOM de Medium:

* Autor, fecha de publicación y tiempo de lectura
* Contenido completo del artículo

#### Substack

Extrae publicaciones de newsletter:

* Autor, fecha y contenido completo del artículo

#### Wikipedia

Extrae contenido del artículo:

* Secciones, tablas y referencias
* Elimina la navegación y el desorden de la barra lateral

#### DEV.to

Extrae entradas de blogs de desarrolladores:

* Etiquetas, reacciones y comentarios

#### Product Hunt

Extrae páginas de productos:

* Descripciones de productos e información del creador
* Hilos de discusión

#### Stack Overflow

Extrae contenido de preguntas y respuestas:

* Título de la pregunta, cuerpo, etiquetas y número de votos
* Respuesta aceptada (resaltada)
* Mejores respuestas con número de votos

#### GitHub

Extrae Issues y Pull Requests, incluyendo:

* Título, estado (abierto/cerrado/fusionado) y etiquetas
* Descripción/cuerpo original
* Hasta **30 comentarios** con información del autor

Usa la API REST de GitHub para datos estructurados.

## Cómo funcionan los adaptadores

Cuando conviertes una página, Web2MD automáticamente:

1. **Detecta el sitio** a partir de la URL
2. **Selecciona el mejor adaptador** si existe alguno
3. **Extrae el contenido** usando el método específico del sitio
4. **Recurre** a la extracción genérica si el adaptador falla

No necesitas configurar nada — los adaptadores se aplican automáticamente.

<Info>
  Los adaptadores de sitio están disponibles para todos los usuarios (Free y Pro). Se ejecutan antes del pipeline de conversión principal, por lo que funcionan independientemente de tu plan.
</Info>

## Comparación

| Función                 | Extracción genérica                   | Adaptador de sitio                      |
| ----------------------- | ------------------------------------- | --------------------------------------- |
| Precisión del contenido | Buena para artículos                  | Optimizada para la estructura del sitio |
| Comentarios/respuestas  | No se extraen                         | Incluidos (Reddit, GitHub, SO)          |
| Metadatos               | Básicos (título, URL)                 | Ricos (autor, puntuación, estado)       |
| Medios                  | Solo imágenes                         | Videos, subtítulos, incrustaciones      |
| Confiabilidad           | Depende de la estructura de la página | Usa APIs estables                       |