Heritrix
Heritrix es un rastreador web extensible y de código abierto para rastreo a escala web con calidad de archivo, que respeta el archivo robots.txt y está diseñado para la preservación digital.
Puntuación
30
Calificación de Usuario
3.0
Soporte Gratuito/Prueba
Soportado
Precio Inicial
--
Última Actualización
ago 04, 2026
Resumen
¿Qué es Heritrix?
Heritrix es el proyecto de rastreo web de código abierto de Internet Archive, diseñado para rastreo a escala web con calidad de archivo para recopilar y preservar artefactos digitales para futuras investigaciones. Respeta las etiquetas robots.txt y META nofollow, con políticas de cortesía configurables.
¿Para qué se usa Heritrix?
Características Principales
- De código abierto y extensible
- Respeta robots.txt y META nofollow
- Políticas de cortesía configurables
- Rastreo de archivos a escala web
- Salida de archivo WARC
¿Cómo usar Heritrix?
Descargue y ejecute Heritrix en su sistema, configure trabajos de rastreo a través de su interfaz o API REST, establezca URL iniciales y configuraciones de cortesía, y comience a rastrear para archivar contenido web en archivos WARC.
Herramientas Alternativas
No se encontraron herramientas alternativas
Pros & Contras
Pros
- Gratis y de código abierto
- Alta personalización
- Adecuado para archivado a gran escala
- Apoyo activo de la comunidad
Contras
- Requiere configuración técnica
- Sin implementación en la nube integrada
- Curva de aprendizaje pronunciada para principiantes
Casos de Uso
- Preservación digital para bibliotecas
- Archivo web para investigación
- Cumplimiento y mantenimiento de registros
- Recopilación de datos históricos
Precios de Heritrix
Plan Gratuito
No hay información detallada de precios disponible
Reseñas de Usuarios
3.0
de 5
3.0
Aún no hay reseñas
¡Sé el primero en reseñar esta herramienta!