Cómo buscar en el código fuente del sitio tags, scripts y texto

Ya sabes abrir Ver código fuente. El problema es hacerlo en cuarenta variantes de plantilla tras migrar el gestor de tags, o demostrar que noindex desapareció de cada landing de un lote de lanzamiento. La fatiga de pestañas es real: necesitas búsqueda sobre HTML, no memoria.

Este flujo es simple: arma una lista de URLs, elige texto plano o regex, modo encontrado vs no encontrado, y exporta CSV para tickets. La herramienta es Búsqueda en código fuente en Scrawl: hasta 25 URLs por ejecución, solo HTML crudo, límites de regex seguros y tres fragmentos por página.

Cuándo gana la búsqueda en navegador frente a un rastreo completo

Usa búsqueda por lista cuando:

• Tienes un conjunto conocido de URLs de analytics, sitemaps o un log de deploy reciente
• Necesitas una cadena concreta (ID de contenedor GTM, ruta antigua de jQuery, variante de rel="canonical")
• Quieres una comprobación negativa rápida («este pixel debería haber desaparecido en todas partes»)

Abre Screaming Frog cuando necesites búsqueda en código fuente en todo un rastreo con su licencia de pago. La herramienta de Scrawl no rastrea tu dominio. Solo obtiene lo que pegas.

Qué se busca

Cada petición de URL:

• Sigue redirecciones con las comprobaciones habituales
• Limita el HTML a 1,5 MB por página
• Busca en la respuesta cruda (sin ejecutar JavaScript)

Los tags renderizados en cliente pueden no aparecer. Si analytics solo existe tras montar React, esta búsqueda no lo verá salvo que el tag también esté en el HTML inicial o pegues HTML guardado de una captura renderizada.

Para datos estructurados, combínalo con el Comprobador de schema en URLs de muestra. JSON-LD vive en script tags; la búsqueda en texto plano puede localizar el bloque aunque no lo parses.

Texto plano vs regex

Texto plano es el predeterminado. Busca googletagmanager.com/gtm.js, un dominio de afiliación o un hostname CDN retirado. La sensibilidad a mayúsculas es opcional.

Regex ayuda cuando cambian IDs pero no la estructura: GTM-[A-Z0-9]+, canonical" href="https://example.com, o application/ld\+json.

Límites de regex en la herramienta:

• Máximo 200 caracteres
• Regex válido en motor RE2 (tiempo lineal por URL hasta 1,5 MB de HTML)
• Se rechazan cuantificadores anidados como (a+)+ y \w*\w* adyacentes
• Si RE2 no está disponible, tope de 2 segundos por URL en sandbox VM
• Sintaxis inválida devuelve error claro

Si regex te parece frágil, empieza en plano, anota un fragmento y luego ajusta.

Modo encontrado vs no encontrado

Encontrado lista URLs donde el patrón aparece al menos una vez. Sirve para restos: enlaces viejos de Font Awesome, meta robots duplicados, recursos HTTP hardcodeados en páginas HTTPS.

No encontrado lista URLs con cero coincidencias. Úsalo tras una limpieza («confirmar que UA-12345 ya no está en estos veinte paths»).

El recuento importa. Una coincidencia puede ser un comentario. Doce en una plantilla pueden significar un widget duplicado en header y footer.

Cómo armar la lista de URLs

Buenas fuentes:

• Landings con más tráfico en analytics
• Todas las URLs de un segmento del sitemap (/blog/, /products/)
• URLs del export del Extractor de enlaces en una página hub (solo internas)

Mantén lotes de 25 URLs. En auditorías grandes, ejecuta varias pasadas y fusiona CSV en una hoja de cálculo.

Lee fragmentos sin engañarte

Los fragmentos están recortados para pantalla. Muestran contexto alrededor de la coincidencia, no el archivo completo. Úsalos para saltar a la sección correcta en DevTools o pegar referencias de línea en Jira.

Si aparece htmlTruncated, la página superó 1,5 MB. Raro en marketing, más habitual en homepages hinchadas. Obtén una variante más ligera o divide la auditoría.

Combínalo con comprobaciones de cabeceras y enlaces

| Objetivo | Herramienta |

|----------|-------------|

| Listar cada <a href> en una página | Extractor de enlaces |

| Cabeceras de respuesta y caché | Comprobador de cabeceras HTTP |

| Validez JSON-LD | Comprobador de schema |

La búsqueda en HTML encuentra cadenas. No valida que un canonical sea correcto, solo que el tag existe.

Ejemplo: tras migrar GTM

Pasaste de GTM-OLD123 a GTM-NEW456.

1. Reúne 25 URLs de alto tráfico más rutas de checkout.
2. Busca texto plano GTM-OLD123 en modo encontrado. Cualquier hit es un fallo.
3. Cambia a modo no encontrado con GTM-NEW456 para ver páginas sin el contenedor nuevo en HTML.
4. Descarga CSV y adjúntalo al ticket de migración.
5. Revisa un hit en DevTools para confirmar que no está dentro de un comentario.

Errores que pierden tiempo

• Buscar como si fuera el DOM renderizado cuando los tags solo se inyectan vía JavaScript.
• Regex excesivo en HTML minificado en una línea. Texto plano sobre un ID único suele ir más rápido.
• Tratar el recuento como severidad. Un noindex en HTML basta para importar.
• Saltarse redirecciones. La herramienta informa la URL final; compárala con tu lista.

Pega URLs, define tu patrón y ejecuta Búsqueda en código fuente. Exporta CSV cuando necesites prueba para un checklist de lanzamiento o la aprobación del cliente.