El documento contiene una discusión sobre el lenguaje XPath. MJ explica que XPath permite construir expresiones para navegar y seleccionar partes de un documento XML teniendo en cuenta su estructura jerárquica. Proporciona ejemplos de conceptos básicos como elementos, atributos y texto, así como sintaxis como nodos, relaciones y funciones. También discute casos prácticos de extracción de datos de páginas web usando XPath y la herramienta Screaming Frog.

1. X
EXPEDIENTE

2. #SEOnderground @mjcachon
Antes de nada…
GRACIAS

3. #SEOnderground @mjcachon
HOLA
Consultora SEO y dirigiendo laikateam.com
Escribo en mi blog mjcachon.com
Participo en Ministerio SEO youtube.com/ministerioSEO
Promoviendo Mujeres en SEO mujeresenseo.es
Me llamo MJ
X
X
X
X

4. #SEOnderground @mjcachon
¿Lenguaje XPATH?
Extraer datos del código HTML

5. #SEOnderground @mjcachon
Qué pinta tiene
//title
//@href
//h1
//a[contains(@rel, 'nofollow')]

6. #SEOnderground @mjcachon
Categorías de ecommerce
NOMBRE
PRODUCTO
PRECIO Y
DESCUENTO
OPINIONES Y
RATINGS
STOCK
TEXTO
CATEGORÍA
NOMBRE
CATEGORÍA

7. #SEOnderground @mjcachon
Fichas de ecommerce
MARCA
ID PRODUCTO
Nº IMÁGENES
OPINIONES Y
RATINGS
PRECIOS

8. #SEOnderground @mjcachon
Post de contenido
AUTOR
FECHA
IDIOMA
CATEGORÍA
TÍTULO
ÍNDICE

9. #SEOnderground @mjcachon
Toolkit Xpath
Inspector de Chrome
Función importXML (G.Sheets)
Plugin Xpath Helper
Plugin Scraper
Screaming Frog (Custom)
X
X
X
X
X

10. #SEOnderground @mjcachon
¿De qué nos estás hablando, MJ?

11. #SEOnderground @mjcachon
Qué es Xpath
“XPath (XML Path Language) es un lenguaje que permite construir expresiones que
recorren y procesan un documento XML. La idea es parecida a las expresiones
regulares para seleccionar partes de un texto sin atributos (plain text). XPath permite
buscar y seleccionar teniendo en cuenta la estructura jerárquica del XML.”
“XPath puede utilizarse para navegar por los elementos y atributos de un
documento XML.”

12. #SEOnderground @mjcachon
Conceptos básicos de Xpath
html
head
title
Evento
SEOnderground
body
h1
¡El
SEOnderground
2021 ya está aquí!
a
href
pagina
p
El evento SEO del
año
elemento
texto
atributo

13. #SEOnderground @mjcachon
Conceptos básicos de Xpath
elemento = html tag
texto = texto entre etiquetas
atributo = característica de un elemento
<a href=“https://seonderground.com/”> El mejor evento SEO de 2021 </a>

14. #SEOnderground @mjcachon
Relaciones en Xpath
MADRE
HIJOS HERMANOS
DESCENDIENTES
DE H1

15. #SEOnderground @mjcachon
Sintaxis en Xpath
Item Explicación Ejemplo Ejemplo Xpath
Nodo
elemento
Una etiqueta html <a href=“url”> anchor text
</a>
//a
Nodo
atributo
Una característica de un
elemento
<a href=“url”> anchor
text</a>
//a/@href
Nodo texto Texto dentro de un
elemento
<p> esto es un texto </p> //p
// Seleccionar nodo actual //title
/ Seleccionar root /html/head/title
count() Función que cuenta count(//title)
starts-with Filtrar elementos que
empiezan por…
//a[starts-with(@href, ‘https’)]
contains Filtrar elementos que
contienen…
//div[contains(@class, ‘main’)]

16. #SEOnderground @mjcachon
Sintaxis en Xpath
FULL
ABREVIADA
/html/head/title
//title

17. #SEOnderground @mjcachon
Retos de Xpath
Cada web, su HTML específico
Entender bases del lenguaje
Metodología de análisis
Sintaxis full o abreviada
X
X
X
X

18. #SEOnderground @mjcachon
Ejemplo
Quiero extraer TODOS los nombres de
charlas (h3)
https://seonderground.com/agenda/

19. #SEOnderground @mjcachon
Xpath Helper para pruebas
https://chrome.google.com/webstore/detail/xpath-helper/hgimnogjllphhhkhlmebbmlgjoejdpjl
1. INSTALAR 2. ACTIVAR

20. #SEOnderground @mjcachon
Ejemplo
3. INSPECCIONAR ELEMENTO 4. COPIAR XPATH

21. #SEOnderground @mjcachon
Copiando Xpath
1
5. PROBAR

22. #SEOnderground @mjcachon
Pensando la etiqueta html
18

23. #SEOnderground @mjcachon
Contando la etiqueta html
18

25. #SEOnderground @mjcachon
Metodología de análisis
1. ¿Qué datos queremos extraer?
2. ¿Cómo está construido el html?
3. Pruebas de expresiones xpath
4. Extracción en Screaming Frog

26. #SEOnderground @mjcachon
Casos de uso genéricos SEO

27. #SEOnderground @mjcachon
Expresiones universales para SEO
¿Qué extrae? Expresión XPath
Title //title
Meta Description //meta[@name='description']/@content
Canonical URL //link[@rel='canonical']/@href
Meta Robots //meta[@name='robots']/@content
Hreflang //link[@rel=’alternate’]/@hreflang
Viewport mobile //meta[@name=’viewport’]@content
H1 //h1
Rel nofollow //a[contains(@rel, 'nofollow')]
Alt text //img/@alt
Imágenes sin alt text //img[not(@alt)]/@src
Enlaces http //a[starts-with(@href,’http://’)]
Enlaces internos //a[contains(@href,’tudominio.com')]
Enlaces externos //a[not(contains(@href,’tudominio.com’))]

28. #SEOnderground @mjcachon
Atributos de enlaces
ENLACES NOFOLLOW O
SPONSORED O UGC
//a[contains(@rel,’nofollow’)] |
//a[contains(@rel,’sponsored’)] |
//a[contains(@rel,’ugc’)]
Haz pruebas con esta url https://www.economiadigital.es/ideas/

29. #SEOnderground @mjcachon
Atributos de enlaces
13

30. #SEOnderground @mjcachon
Enlaces HTTP
ENLACES HTTP
//a[starts-with(@href,’http://’)]
Haz pruebas con esta url https://searchengineland.com/how-to-test-your-content-
site-strategy-for-continued-improvement-374471

31. #SEOnderground @mjcachon
¿Cuántos enlaces http hay?

32. #SEOnderground @mjcachon
Enlazado
ENLACES INTERNOS
EXTERNOS
//a[not(contains(@href,'searchengineland.com'))]
//a[contains(@href,'searchengineland.com')]
Haz pruebas en esta url https://searchengineland.com/how-to-test-your-content-
site-strategy-for-continued-improvement-374471

33. #SEOnderground @mjcachon
Enlazado
ENLACES INTERNOS ENLACES EXTERNOS

34. #SEOnderground @mjcachon
Casos de uso en contenidos
+
Screaming Frog

35. #SEOnderground @mjcachon
Elementos del post
https://www.screamingfrog.co.uk/seo-spider-16/

36. #SEOnderground @mjcachon
Contenido: dentro de esa class

37. #SEOnderground @mjcachon
Expresiones para contenido
¿Qué extrae? Expresión XPath
Lista de Enlaces totales del contenido //div[@class='main-blog--posts_single--inside']/descendant::*/a
Recuento Enlaces totales del contenido count(//div[@class='main-blog--posts_single--inside']/descendant::*/a)
Lista de Enlaces internos del contenido
//div[@class='main-blog--posts_single--
inside']/descendant::*/a[contains(@href,'screamingfrog.co.uk')]
Primer enlace del contenido //div[@class='main-blog--posts_single--inside']/descendant::a[1]/@href
Nº de imágenes en el contenido
//div[@class='main-blog--posts_single--
inside']//img[contains(@loading,'lazy')]/@src
Nº Enlaces en el nombre de los comentarios count(//div[contains(@class, 'comhead')]/a/@href)
Nº Enlaces en el cuerpo de los comentarios count(//div[contains(@class, 'says')]/descendant::a/@href)
Cuántas veces aparece una palabra clave
//div[@class='main-blog--posts_single--
inside']/descendant::*/a[contains(translate(., 'ABCDEFGHIJKLMNOPQRSTUVWXYZ',
'abcdefghijklmnopqrstuvwxyz'),'spider')]
Haz pruebas con: https://www.screamingfrog.co.uk/seo-spider-16/

38. #SEOnderground @mjcachon
Probamos todos los Xpath
Todos los enlaces del post

39. #SEOnderground @mjcachon
Probamos todos los Xpath
Nº imágenes del post

40. #SEOnderground @mjcachon
Probamos todos los Xpath
Primer enlace del post

41. #SEOnderground @mjcachon
Fuera del contenido: el autor
Nombre del autor

42. #SEOnderground @mjcachon
Fuera del contenido: comentarios
Nº de comentarios

43. #SEOnderground @mjcachon
PRO TIP
Prueba las expresiones a fondo
antes de continuar: te ahorrarás
mucho tiempo después

44. #SEOnderground @mjcachon
Nos vamos a Screaming Frog

45. #SEOnderground @mjcachon
Custom Extraction Screaming Frog

46. #SEOnderground @mjcachon
Conozcamos un
poco más a los
protagonistas

47. #SEOnderground @mjcachon
¿Cómo son los autores?
* Basado en una selección aleatoria de 50 artículos

48. #SEOnderground @mjcachon
¿Cómo son los autores?
23,89%
19,39%
18,03%
11,84%
5,54%
5,14%
4,74%
4,23%
2,95%
1,95%
1,18%
1,11%
0,00% 5,00% 10,00% 15,00% 20,00% 25,00% 30,00%
screamingfrog
Mark Porter
Patrick Langridge
Richard Lawther
Daniel Cartland
Freddy Barnes
Paudy Heal
Oliver Brett
Tom Jeffery
Jack Prouse
Bex Stirling
Stephen Pritchard
¿Qué autores escriben más contenido?
18,53%
18,10%
28,02%
3,88%
15,95%
2,59%
4,31%
3,45%
4,31%
56,66%
15,31%
8,35%
5,96%
3,98%
2,58%
2,58%
1,39%
0,99%
Mark Porter
Patrick Langridge
screamingfrog
Freddy Barnes
Richard Lawther
Tom Jeffery
Oliver Brett
Paudy Heal
Daniel Cartland
Jack Prouse
Bex Stirling
Stephen Pritchard
¿Cómo enlazan los autores?
Enlace Interno Enlace Externo

49. #SEOnderground @mjcachon
¿Cómo son los autores?
35,87%
18,67%
14,93%
12,80%
6,40%
3,20%
3,07%
2,27%
1,20%
0,67%
0,67%
0,27%
0,00% 5,00% 10,00% 15,00% 20,00% 25,00% 30,00% 35,00% 40,00%
screamingfrog
Patrick Langridge
Richard Lawther
Mark Porter
Paudy Heal
Freddy Barnes
Daniel Cartland
Oliver Brett
Jack Prouse
Stephen Pritchard
Tom Jeffery
Bex Stirling
¿Quién recibe más comentarios?
38,72%
16,84%
12,67%
13,89%
6,42%
52,73%
21,82%
14,55%
7,27%
1,82%
0,00% 10,00% 20,00% 30,00% 40,00% 50,00% 60,00% 70,00% 80,00% 90,00% 100,00%
screamingfrog
Patrick Langridge
Richard Lawther
Mark Porter
Paudy Heal
Freddy Barnes
Daniel Cartland
Oliver Brett
Jack Prouse
Stephen Pritchard
Tom Jeffery
Bex Stirling
¿Cómo son los enlaces en comentarios?
Enlaces en nombre Enlaces en cuerpo

50. #SEOnderground @mjcachon
Pueden lucir aún mejor

51. #SEOnderground @mjcachon
Casos de uso en ecommerce
+
Screaming Frog

52. #SEOnderground @mjcachon
Analizar por separado

53. #SEOnderground @mjcachon
Expresiones para SEO ecommerce
¿Qué extrae? Expresión XPath
Precio actual //div[contains(@id,'precio')]
Precio antiguo //div[contains(@id,'discountPrices')]/div[2]
Nº imágenes de ficha de producto count(//div[contains(@id,'thumbs_list')]/ul/li)
Descripción de producto //div[contains(@class,'productInfosContent__description')]
Nº colores del producto count(//div[contains(@class,'attribute_list')]/ul/li)
Texto superior de categorías //div[contains(@class,'rte')]/p
Texto inferior de categorías //p[contains(@class,'text-justify')]
Nº artículos //div[contains(@class,'categories-top')]/h1/span
Breadcrumb 1 //span[contains(@class,'navigation_page')]/span[1]
Breadcrumb 2 //span[contains(@class,'navigation_page')]/span[3]
Negritas //p[contains(@class,'text-justify')]/strong/text()
Haz pruebas con fichas y categorías de: https://www.atmosferasport.es

54. #SEOnderground @mjcachon
Custom Extraction Screaming Frog

55. #SEOnderground @mjcachon
Custom Extraction Screaming Frog

56. #SEOnderground @mjcachon
Analicemos a fondo el stock, los
precios o la riqueza de las
fichas

57. #SEOnderground @mjcachon
¿Dónde hay más stock?
84%
13%
2% 1%
Secciones con más productos
Marcas
Deportes
Rebajas 2021 deporte
Accesorios

58. #SEOnderground @mjcachon
¿Dónde hay más stock?
26,03%
5,97%
5,60%
4,80%
4,48%
3,57%
2,61%
1,92%
1,87%
1,76%
1,55%
1,28%
1,12%
1,01%
0,75%
0,27%
0,00% 5,00% 10,00% 15,00% 20,00% 25,00% 30,00%
Nike
adidas
PUMA
Asics
New Balance
Reebok
Under Armour
Skechers
Converse
Salomon
Joluvi
MUNICH
Vans
Mizuno
New Era
Brooks
Marcas con más Stock
11,95%
4,21%
3,79%
2,45%
2,19%
1,76%
1,55%
1,55%
1,44%
1,17%
0,96%
0,85%
0,75%
0,48%
0,16%
0,11%
0,05%
0,00% 2,00% 4,00% 6,00% 8,00% 10,00% 12,00% 14,00%
Casual
Montaña
Fútbol
Fitness
Running
Natación
Tenis
Pádel
Trekking y Senderismo
Ciclismo
Fútbol Sala
Training
Trail
Baloncesto
Acampada
Voleibol
Danza
Deportes con más Stock

59. #SEOnderground @mjcachon
¿Dónde hay más descuento?
76%
22%
1% 1%
Secciones con más descuento
Marcas
Deportes
Moda deportiva para hombre
Moda deportiva para mujer

60. #SEOnderground @mjcachon
¿Dónde hay más descuento?
14,13%
12,38%
11,83%
5,60%
4,52%
2,41%
2,34%
1,49%
1,09%
0,96%
0,88%
0,73%
0,61%
0,37%
0,27%
0,13%
0,08%
0,00% 2,00% 4,00% 6,00% 8,00% 10,00% 12,00% 14,00% 16,00%
Casual
Fitness
Fútbol
Running
Montaña
Pádel
Fútbol Sala
Tenis
Training
Ciclismo
Natación
Trekking y…
Trail
Acampada
Baloncesto
Danza
Voleibol
Deportes con más descuento
17,00%
4,92%
3,80%
2,60%
2,55%
2,36%
1,66%
1,13%
1,11%
1,07%
1,04%
0,70%
0,11%
0,09%
0,07%
0,00%
0,00% 2,00% 4,00% 6,00% 8,00% 10,00% 12,00% 14,00% 16,00% 18,00%
Nike
adidas
New Balance
Asics
PUMA
Mizuno
Salomon
Converse
Under…
Skechers
MUNICH
Reebok
Joluvi
Vans
New Era
Brooks
Marcas con más descuento

61. #SEOnderground @mjcachon
QA Fichas de producto
Sección Nº productos Sección Nº productos
Sin migas de pan (breadcrumbs)

62. #SEOnderground @mjcachon
QA Fichas de producto
Promedio de Imágenes y texto en las fichas

63. #SEOnderground @mjcachon
Fichas de producto
Gama de colores de cada producto

64. #SEOnderground @mjcachon
Y esto es todo…

65. #SEOnderground @mjcachon
GRACIAS
somos@laikateam.com

66. #SEOnderground @mjcachon
Recursos y referencias
1. https://zeo.org/blog/xpath-seo-scraping-data-in-screaming-frog-by-using-xpath-basic-
commands/
2. https://devhints.io/xpath#string-functions
3. https://www.mclibre.org/consultar/xml/lecciones/xml-xpath.html
4. https://www.w3schools.com/xml/xpath_intro.asp
5. https://willmanntobias.medium.com/a-101-how-to-use-screaming-frog-seo-spider-to-find-all-
article-outlinks-on-a-section-page-c0db4c87edd5
6. https://www.screamingfrog.co.uk/how-to-use-custom-search/
7. https://builtvisible.com/seo-guide-to-xpath/
8. https://salt.agency/blog/an-introduction-to-using-xpath-extractions-for-seo/
9. https://www.screamingfrog.co.uk/web-scraping/#xpath-examples
10.https://www.seerinteractive.com/blog/screaming-frog-guide/
11.https://www.zyte.com/blog/an-introduction-to-xpath-with-examples/