Contenido revisado: 25 de octubre de 2026. Las observaciones se registraron el 20 de septiembre de 2026; no son pruebas nuevas ni tasas de éxito para todos los artículos de un editor.
Empieza por lo que envió el editor
Un lector limpio extrae párrafos de la respuesta del editor y elimina los elementos que rodean al artículo. Solo puede mejorar la lectura si esa respuesta contiene el texto. Un muro de pago blando puede cubrir texto ya enviado al navegador. Uno medido permite leer un número limitado de artículos y después cambia lo que puedes ver o recibir. Uno duro suele retener el artículo hasta que se autoriza el acceso. Estas distinciones son útiles, pero no describen necesariamente todo un sitio: distintos artículos, ubicaciones y visitas pueden recibir respuestas diferentes.
Quitar una capa superpuesta y recuperar texto ausente son operaciones distintas. Si el servidor envía un titular y un adelanto, cambiar su formato no aporta el resto. Un resultado breve y bien presentado puede seguir incompleto.
El lector limpio y Googlebot comparten extractor
Ambos métodos seleccionan párrafos que parecen pertenecer a un artículo en el HTML inicial, sin ejecutar JavaScript. La opción Googlebot cambia la cabecera user-agent de la solicitud; no es un rastreador verificado de Google, no utiliza su identidad de red ni concede acceso de suscriptor. El editor puede devolver el mismo texto, otro texto o una denegación.
El extractor conserva párrafos breves, encabezados, listas y citas como bloques de texto distintos. Evalúa el chino y el japonés sin depender de espacios entre palabras, por lo que un texto breve no se rechaza solo por tener pocas palabras. El título, autor, fecha y fuente ayudan a comprobar la identidad, pero no la integridad.
El lector limpio puede conservar temporalmente cookies del editor en memoria durante una sola descarga para completar un intercambio ordinario de cookies. No importa las cookies de inicio de sesión de tu navegador. Ese estado se borra al terminar la descarga, incluso si falla. La descarga actual dispone de 14 segundos y admite hasta seis redirecciones; un bucle o una comprobación de acceso aún pueden hacerla fallar. No equivale a una sesión completa de navegador.
Para evitar otra solicitud al abrir el lector, el texto recién comprobado puede permanecer en la memoria del navegador hasta 120 segundos. Se descarta al borrar o cambiar la consulta o al caducar. Este traspaso no guarda el artículo en el almacenamiento persistente del navegador.
Para probar en el navegador, sigue Opciones manuales, donde se reúnen las instrucciones sobre JavaScript. La documentación oficial de Chrome explica el control de DevTools y su duración por pestaña. Desactivar JavaScript también puede eliminar contenido legítimo o impedir la navegación; vuelve a activarlo después.
Comprueba el resultado, no solo la etiqueta
Compara la dirección de origen, el título, el autor y la fecha con la noticia deseada. Lee los párrafos iniciales y finales. Busca un artículo coherente, no menús, noticias relacionadas, una oferta de suscripción o instrucciones sobre cookies. La cantidad de palabras no confirma que esté completo: el texto ajeno al artículo puede alargar una extracción deficiente.
La confianza alta indica indicios más sólidos de contenido de artículo, no texto completo verificado de forma independiente. Media significa evidencia más débil o un candidato que requiere revisión. Desconocida significa que la comprobación no estableció si era legible, por ejemplo por un tiempo de espera agotado o una restricción. Ninguna representa un porcentaje de éxito. Los mensajes de suscripción pueden reducir la confianza aunque se hayan recibido párrafos útiles.
Qué mostraron nuestras comprobaciones registradas
El 20 de septiembre de 2026, el artículo público de The Register sobre la retirada de los Cybertruck de Tesla produjo las mismas 700 palabras extraídas en lector limpio y Googlebot; las huellas digitales de los párrafos coincidían. Esto demuestra una extracción equivalente en un artículo público, no una mejora del acceso a suscripciones.
En el caso registrado de Courier Mail, al intercambio de cookies le siguió un HTTP 403. PrintFriendly mostró una solicitud de suscripción o un adelanto, mientras que smry devolvió ayuda sobre cookies. Por tanto, cargar una página no demostraba haber recuperado el artículo solicitado. Las condiciones pueden cambiar después de la prueba.
Resolución práctica de problemas
| Qué aparece | Qué hacer después |
|---|---|
| Solo titular o adelanto | Comprueba la página del editor; cambiar el formato no restaura texto retenido. |
| Ayuda sobre cookies, inicio de sesión o HTTP 403 | No lo trates como un artículo; utiliza acceso autorizado del editor. |
| Tiempo agotado o confianza desconocida | Inténtalo una vez más tarde; no demuestra que el texto no exista. |
| Texto largo pero ajeno al artículo | Verifica título, origen y párrafos antes de citarlo. |
Deja de repetir lectores equivalentes si devuelven el mismo adelanto o restricción. Para una copia guardada, consulta la guía de fiabilidad de archivos. Para vías legítimas de acceso, consulta bibliotecas y editores.