RSS, RIS y más allá: cómo llega la información a tu vigilancia

Elegir una fuente es la mitad del trabajo. La otra mitad es decidir cómo vas a recibir lo que publica, de forma regular y sin depender de que alguien entre al sitio cada mañana. Cada vía tiene ventajas, límites y un costo de mantenimiento distinto. Esta guía repasa las más habituales.

RSS y Atom: el canal de sindicación

RSS y Atom son formatos basados en XML con los que un sitio publica una lista de sus entradas recientes: título, enlace, fecha y, según el editor, un extracto o el texto completo. Un programa lector consulta esa lista cada cierto tiempo y detecta lo nuevo.

Ventajas: es un canal que el propio editor ofrece, tiene una estructura predecible, incluye fecha de publicación y requiere poco mantenimiento.

Límites: muchos canales solo incluyen las entradas más recientes, así que con consultas poco frecuentes puedes perder elementos; algunos entregan solo un extracto; y no todos los sitios lo ofrecen.

Cuando existe, suele ser la primera opción.

Sitemaps: el mapa del sitio

Un sitemap es un archivo, normalmente en XML, en el que un sitio enumera sus direcciones para facilitar el trabajo de los buscadores. Puede incluir la fecha de última modificación de cada página, y su ubicación suele declararse en el archivo robots.txt.

Sirve para descubrir páginas nuevas en sitios sin canal de sindicación. A cambio, solo aporta direcciones, sin título ni contenido; la fecha de modificación no siempre es fiable y hay que filtrar por secciones o por patrones de dirección.

Detección de cambios en páginas

Algunas páginas no publican entradas nuevas: cambian. Una tabla de tarifas, una lista de entidades autorizadas, la página de normativa vigente de un regulador. Para ellas, la técnica consiste en guardar una versión de la página, volver a consultarla cada cierto tiempo y comparar.

Es la única vía para ciertos contenidos, pero también la más delicada:

Un cambio de diseño o un aviso nuevo en la cabecera pueden disparar alertas falsas; conviene vigilar solo la parte de la página que interesa.
La alerta dice que algo cambió, no qué significa. Alguien tiene que interpretarlo.
Antes de automatizar consultas, revisa robots.txt y los términos de uso del sitio, y usa una frecuencia moderada.

Newsletters por correo

Mucha información especializada solo circula por correo: boletines de asociaciones, despachos, organismos o analistas. La forma ordenada de incorporarla es usar un buzón dedicado, suscribir esa dirección a los boletines y procesar los mensajes que llegan como una fuente más.

Ten en cuenta que cada boletín tiene su propio formato, que un mismo mensaje suele agrupar varias noticias y que los enlaces a menudo pasan por direcciones de seguimiento que ocultan el destino real. Evita usar un buzón personal: la fuente desaparece cuando esa persona se va.

RIS, CSV y BibTeX: registros que se importan

No todo llega por un canal continuo. Las bases de datos bibliográficas y los gestores de referencias permiten exportar resultados de búsqueda en formatos de intercambio:

RIS: texto plano en el que cada línea empieza con una etiqueta breve que identifica el campo (tipo de documento, autores, título, año, resumen).
BibTeX: formato de referencias asociado al ecosistema LaTeX, habitual en disciplinas técnicas.
CSV: tabla de texto con valores separados por un delimitador. Es universal, pero no fija qué columnas debe haber, así que en cada importación hay que indicar qué columna corresponde a qué campo.

Son útiles para cargar una búsqueda bibliográfica o un histórico. Sus puntos débiles: la carga es manual y puntual, la codificación de caracteres y el delimitador del CSV causan errores con facilidad, y es fácil importar duplicados si no se compara por identificador o por título.

APIs abiertas

Una API es una interfaz pensada para que un programa consulte datos directamente. En el ámbito científico las ofrecen varias fuentes abiertas de uso general: OpenAlex (catálogo de trabajos académicos, autores e instituciones), Crossref (metadatos de publicaciones con identificador DOI), PubMed (literatura biomédica) y arXiv (prepublicaciones).

Es la vía más rica: permite consultas por tema, autor, institución o fecha y devuelve datos estructurados. También es la que más trabajo técnico exige. Cada API tiene su propio modelo de datos, sus condiciones de uso y sus límites de consultas, que debes leer antes de empezar, y puede cambiar de versión.

Resumen comparativo

Vía	Mejor para	Principal cuidado
RSS y Atom	Medios, blogs y organismos que publican entradas	Consultar con frecuencia suficiente
Sitemap	Sitios sin canal de sindicación	Filtrar direcciones irrelevantes
Detección de cambios	Páginas que se actualizan sin publicar entradas	Alertas falsas y respeto a las reglas del sitio
Newsletter por correo	Información que solo circula por suscripción	Separar ítems y resolver enlaces
RIS, BibTeX y CSV	Búsquedas bibliográficas e históricos	Duplicados y codificación
API abierta	Datos científicos y estructurados	Condiciones de uso y límites

Cómo decidir

Si la fuente tiene una API oficial o un canal de sindicación, úsalo.
Si no, comprueba si publica un sitemap o un boletín por correo.
Deja la detección de cambios para las páginas que no tienen otra salida.
Usa la importación de archivos para cargas puntuales, no como canal permanente.
En todos los casos, conserva el enlace al original y la fecha de captura.

La vía de acceso es uno de los criterios para decidir si una fuente entra en tu lista; los demás están en cómo elegir fuentes.