Extraes todas las URLs de un sitio web combinando tres fuentes: el sitemap XML, un rastreo completo del sitio y el informe de Search Console. La clave es que ninguna basta por sí sola. El sitemap omite páginas, el rastreo encuentra las que no están en el menú (paginación, etiquetas, páginas antiguas), y Search Console añade las que reciben clics aunque no aparezcan en ningún enlace. Unidas, dan la lista completa, que luego descargas en Excel o CSV. Es el primer paso de casi cualquier proyecto serio: una migración, un mapa de redirecciones o una auditoría de contenido. WPBuildAI rastrea el sitio y devuelve todas las URLs en una lista descargable, sin programar.
Tres fuentes que hay que combinar
La idea central es que una lista completa nace de cruzar fuentes, no de confiar en una. El sitemap te da lo que el sitio declara tener. El rastreo te da lo que está realmente enlazado. Search Console te da lo que Google ve recibir tráfico. Cada una ve URLs que las otras no, así que la unión de las tres es lo más cercano a la lista total. La misma técnica, aplicada a un mapa de redirecciones, se detalla en cómo se extraen las URLs. Saltarse una fuente es dejar un hueco.
Por qué el sitemap solo no basta
El sitemap parece la respuesta fácil, y es incompleto. Muchos sitemaps omiten páginas antiguas, parámetros, archivos o secciones que el plugin no incluyó, y otros están desactualizados. Confiar solo en él deja fuera justo las URLs olvidadas, que a menudo son las que aún reciben visitas. El sitemap es un buen punto de partida, no la lista final. Por eso se combina con el rastreo y con Search Console, para cubrir lo que no declara. Un sitio tiene casi siempre más direcciones de las que su dueño recuerda, como recuerda el Web Almanac 2024.
El rastreo encuentra lo que el menú esconde
El rastreo recorre el sitio siguiendo los enlaces, como un buscador, y saca a la luz las URLs que no están en el menú: la paginación de los listados, las páginas de categorías y etiquetas, las antiguas campañas. Son precisamente las que una migración apresurada deja sin redirección. Un rastreo a un ritmo controlado obtiene esta capa sin sobrecargar el servidor, y es lo que convierte una lista parcial en una completa. Sin él, trabajas con la punta del iceberg y descubres el resto cuando aparecen los 404.
Search Console añade las URLs con tráfico
La tercera fuente aporta algo que las otras no pueden: lo que de verdad recibe clics. Search Console lista las URLs por las que la gente llega desde Google, incluidas algunas que ni el sitemap ni el rastreo destacan. Esto importa porque el tráfico está concentrado: el estudio de Ahrefs halló que una parte pequeña de las páginas se lleva la mayoría de las visitas. Asegurarte de que esas URLs están en la lista es proteger lo más valioso, y la plataforma no influye en ello, como halló el análisis de Backlinko.
De la lista al Excel
Con las tres fuentes reunidas, el último paso es práctico: deduplicar y volcar todo en una hoja de cálculo. Una URL puede aparecer en varias fuentes, así que se unifican, y el resultado es un listado en Excel o CSV con una fila por dirección, idealmente con su código de estado. Ese formato es el que necesitas para trabajar: ordenar por tráfico, marcar las que cambian, o construir el mapa de redirecciones. Olvida los XML caóticos; una hoja limpia es lo que de verdad se usa.
Para qué sirve la lista de URLs
Saber el uso ayuda a decidir qué incluir. Para una migración, la lista es la base del mapa de redirecciones, como en crear redirecciones 301 en masa. Para una reescritura de contenido, te dice qué páginas existen y cuáles priorizar. Para una auditoría, revela páginas huérfanas o rotas. Y para un respaldo, acompaña a una descarga de la web en carpetas. En todos los casos, la lista completa es el punto de partida que evita sorpresas.
Paso a paso
- Toma el sitemap XML como base.
- Rastrea el sitio completo para las URLs fuera del menú.
- Exporta las URLs de Search Console que reciben clics.
- Une y deduplica las tres fuentes.
- Descarga la lista en Excel o CSV, con el código de estado.
- Úsala para la migración, la reescritura o la auditoría.
Ejemplo: un sitio de 500 URLs
Tomemos un sitio que el dueño cree de unas 300 páginas. El sitemap declara 300, pero un rastreo encuentra otras 150 de paginación y etiquetas, y Search Console añade 50 páginas antiguas que aún reciben clics y no estaban en ninguna de las dos. Tras unir y deduplicar, la lista real son unas 500 URLs. Se descarga en Excel, con el código de estado de cada una, y se ordena por tráfico. Esa lista se convierte en la base del mapa de redirecciones de la migración. Las 200 URLs que el dueño no recordaba son, en buena parte, las que habrían dado 404 sin este paso.
Errores frecuentes
- Confiar solo en el sitemap y dejar fuera las URLs olvidadas.
- Rastrear solo el menú y perder paginación, etiquetas y páginas antiguas.
- Ignorar Search Console y perder las URLs con tráfico real.
- No deduplicar y trabajar con una lista con repeticiones.
- Quedarse en un XML caótico en vez de una hoja de cálculo usable.
Lo que conviene recordar
Extraes todas las URLs de un sitio web combinando tres fuentes (sitemap, rastreo completo y Search Console), porque ninguna basta sola: el sitemap omite páginas, el rastreo encuentra las ocultas y Search Console añade las que tienen tráfico. Une y deduplica, y descarga la lista en Excel o CSV con su código de estado. Es la base de cualquier migración, reescritura o auditoría, y lo que evita los 404 por URLs olvidadas. WPBuildAI rastrea el sitio y devuelve todas las URLs en una lista descargable, sin programar. Envía la dirección de tu sitio y te hacemos un análisis gratuito.
Sin afiliación con WordPress, Lovable, Webflow, Shopify, Wix ni Squarespace.