Descargar sitios web que utilizan RSS

Acerca de RSS

A RSS lo han dado por muerto muchas veces y sigue apareciendo en los escaneos. El formato data de 1999, publica los artículos recientes de un sitio como una lista legible por máquinas, y la razón de que sobreviviera tiene poco que ver con que la gente use lectores de canales. Las plataformas de publicación emiten un canal automáticamente, y el elemento de enlace que apunta a él permanece en la página se suscriba alguien o no. De modo que el marcador mide algo bastante distinto de lo que aparenta medir.

En octubre de 2026 detectamos una declaración de canal en 6.994.942 sitios, un formato abierto con licencia Open Source, sin proveedor y sin historia de licencias que complique el análisis. La cifra no debe leerse como una audiencia. La cifra es un recuento de sitios construidos sobre software que espera publicar un flujo de artículos, y eso es una descripción de para qué sirve un sitio y no de su pila tecnológica.

La distinción convierte la columna en un filtro con varios compradores distintos. Las empresas de seguimiento de medios y los agregadores necesitan las direcciones de todos los sitios que publican artículos estructurados, porque un canal es una forma barata y permitida de seguir una fuente a gran escala. Las plataformas de pódcast necesitan el subconjunto cuyos canales llevan adjuntos de audio. Los equipos que reúnen corpus de texto necesitan casi la misma lista por motivos completamente distintos. Y cualquiera que venda a editores puede usar el marcador para separar los sitios que producen contenido con regularidad de los que colgaron una página una vez y se marcharon.

Para la prospección comercial, el movimiento interesante vuelve a ser el cruce y no la columna. Un canal junto a un marcador de plataforma de tienda sugiere un comercio con una operación de contenidos al lado, que es un comprador distinto y con un presupuesto distinto del de un comercio sin ella. Un canal junto a un sitio corporativo sin ningún otro marcador de publicación suele significar una sección de noticias abandonada que el equipo de marketing heredó y dejó de alimentar. Los dos patrones se ven en un fichero y no se ven en una consulta, porque los dos son comparaciones y no hechos sobre un dominio aislado.

En Estados Unidos se concentran 2.884.534 de los sitios que declaran un canal, y el peso del sufijo lo lleva .com, una distribución que sigue a las plataformas de publicación y al alojamiento más que a los hábitos de lectura. Nuestra atribución de país procede de la infraestructura que sirve las páginas, de modo que un estudio de medios de ámbito nacional debería construirse a partir del sufijo, del idioma de la página y de los datos de contacto del propio sitio, y dejar la columna de país como primera aproximación y nada más.

La salvedad honesta es que un canal declarado no es un canal vivo. Registramos la declaración que hay en la página. No descargamos el canal, no contamos sus artículos ni comprobamos cuándo se escribió en él por última vez, de modo que un blog abandonado y una redacción que publica varias veces por hora aparecen igual en el fichero. Los canales que existen en una dirección convencional sin estar declarados en el marcado se nos escapan por completo, lo que empuja el recuento en la dirección contraria. Tome la columna como un indicador fuerte de que un sitio se construyó para publicar y como un indicador débil de que lo haga ahora. Verificar la segunda parte es un trabajo dominio a dominio, y el fichero es lo que le dice qué dominios merecen ese trabajo.