Cómo comprobar de forma masiva qué URLs están indexadas en Google

Para comprobar la indexación de muchas URLs a la vez, la fuente fiable es Google Search Console: el informe Indexación, Páginas te da la foto general del sitio, y la API de inspección de URLs te dice el estado exacto de una lista concreta, hasta 2.000 direcciones al día por propiedad. Puedes consultarla sin programar, conectándola a Screaming Frog.

El comando site: sirve para mirar una URL suelta, y poco más. Escribí la primera versión de este post en 2014, cuando Search Console (entonces Webmaster Tools) solo daba el número de páginas indexadas y había que ingeniárselas con fórmulas en hojas de cálculo y programas de raspado. Aquellos métodos ya no funcionan, así que aquí tienes los que uso hoy.

Por mucho que trabajes el posicionamiento, si una parte de tu web no está indexada, esa parte no recibe tráfico orgánico. Por eso yo me lo tomo casi como algo personal.

Qué métodos hay para comprobar la indexación de muchas URLs

Hay tres métodos para comprobar la indexación de URLs en Google: el operador site:, el informe de indexación de páginas de Search Console y la API de inspección de URLs conectada a Screaming Frog. Los dos últimos usan datos oficiales de Google; el primero es solo orientativo.

Los dos métodos oficiales exigen tener acceso a la propiedad en Search Console. Para webs de terceros solo queda el operador site:, con sus limitaciones.

Por qué el comando site: no sirve para comprobar la indexación de forma masiva

El comando site: no sirve para comprobar la indexación de forma masiva porque Google no garantiza que devuelva todas las URLs indexadas y porque automatizar esas búsquedas implica raspar sus resultados, algo que Google bloquea. Es válido para comprobar a mano una dirección concreta, no para auditar un sitio.

La forma más simple de mirar una URL sigue siendo esta búsqueda:

site:ingenieroseo.com/mi-url

Está bien para una cosilla puntual. Pero la propia documentación de Google sobre el operador site: avisa de que no devuelve necesariamente todas las URLs indexadas con ese prefijo y de que en sitios grandes la lista no es exhaustiva. Tampoco sirve para contar con precisión.

Además, los trucos que acompañaban a este comando han ido cayendo. El operador info:, que era el que yo prefería, ya no existe, y los parámetros que añadíamos a la URL de búsqueda para afinar el resultado tampoco sirven ya.

Cómo ver qué URLs están indexadas con el informe de páginas de Search Console

El informe Indexación, Páginas de Google Search Console muestra cuántas URLs de tu sitio están indexadas y cuántas no, agrupadas por motivo, y permite exportar ejemplos de cada grupo. Es el primer sitio donde mirar, porque da la foto completa sin límite de tamaño del sitio y sin instalar nada.

Lo que pedía en 2014 (que nos dijera qué URLs están indexadas y cuáles no, en vez de quedarse en el número) hoy existe. Así lo uso:

1. Entra en Search Console y abre Indexación, Páginas.
2. En el desplegable superior cambia «Todas las páginas conocidas» por «Todas las páginas enviadas», o elige un sitemap concreto. Así comparas solo las URLs que te importan.
3. Mira el reparto entre indexadas y sin indexar, y baja a la tabla «Por qué las páginas no se indexan».
4. Pulsa en cada motivo para ver las URLs afectadas y usa el botón Exportar para llevártelas a una hoja de cálculo.

La limitación está en el detalle. Según la ayuda de Google sobre el informe de indexación de páginas, cada tabla de ejemplos muestra como máximo 1.000 URLs. En un sitio de 500 páginas lo ves todo. En uno de 50.000, no.

Un truco para ganar detalle: divide el sitemap en varios más pequeños (por tipo de página, por categoría, por fecha) y filtra el informe por cada uno. Cada sitemap tiene su propio reparto y sus propias 1.000 filas. Otro: da de alta en Search Console los directorios principales como propiedades independientes (por ejemplo, https://tudominio.com/blog/). Cada propiedad tiene su informe.

Si quieres conocer el resto de informes, los repaso en la guía de Google Search Console.

Cómo comprobar la indexación masiva con Screaming Frog y la API de Search Console

Screaming Frog SEO Spider puede conectarse a la API de inspección de URLs de Search Console y añadir a cada URL rastreada su estado de indexación oficial: si está en Google, el motivo si no lo está, la fecha del último rastreo y la canónica elegida. El límite es de 2.000 URLs al día por propiedad.

La API es un método documentado por Google, index.inspect de la API de Search Console: recibe la URL y la propiedad, y devuelve el mismo resultado que ves en la Inspección de URLs. Screaming Frog hace esas llamadas por ti.

Esto es justo lo que yo echaba de menos en 2014: pasarle Screaming Frog a un sitio y que al lado de cada URL apareciera si está indexada o no. Los pasos, según el tutorial oficial de Screaming Frog sobre cómo usar la API de inspección de URLs:

1. Abre Configuration, API Access, Google Search Console, conecta tu cuenta de Google y elige la propiedad.
2. En la pestaña URL Inspection, marca Enable URL Inspection.
3. Marca también Ignore Non-Indexable URLs for URL Inspection, para no gastar cuota en páginas con noindex, redirecciones o canonical a otra URL.
4. Lanza el rastreo del sitio, o cambia a modo lista (Mode, List) y pega las URLs que quieres revisar.
5. Abre la pestaña Search Console y usa los filtros URL Is Not on Google (todas las que no están en el índice) e Indexable URL Not Indexed (las que podrían estar y no están).
6. Exporta la pestaña con el botón Export para trabajarla en una hoja de cálculo.

El filtro que más me interesa es el segundo. Una URL con noindex que no está en Google no es un problema. Una URL indexable, enlazada y en el sitemap que Google ha decidido no indexar, sí.

Cómo revisar más de 2.000 URLs

El límite lo pone Google, no la herramienta. La página de límites de uso de la API de Search Console fija la inspección del índice en 2.000 consultas al día y 600 por minuto por cada propiedad. Hay tres formas de convivir con él:

• Priorizar. Revisa primero las URLs que deben captar tráfico: las del sitemap, las de categorías y productos principales.
• Trocear por propiedades. Si das de alta en Search Console los directorios o subdominios como propiedades independientes, cada una tiene su cuota de 2.000. En Screaming Frog, la opción Use Multiple Properties elige sola la propiedad más específica para cada URL.
• Repartir en varios días. Guarda el rastreo y, al día siguiente, reconecta la API y vuelve a rastrear solo el siguiente bloque de URLs. También puedes programar un rastreo diario en modo lista.

Cómo llevar el resultado a Google Sheets y automatizarlo

Mi relación con las hojas de cálculo de Google es de amor y odio: me encantan, pero son bastante más lentas que un Excel y fallan cuando menos te lo esperas. Aun así, para este trabajo son el sitio natural donde acabar: exportas la pestaña Search Console, la abres en Google Sheets y cruzas el estado de indexación con la lista de URLs de tu sitemap o con las visitas de cada página.

Si quieres que se haga solo, el mismo tutorial explica cómo programarlo:

1. Guarda una configuración con Enable URL Inspection activado y un fichero de texto con las URLs que quieres vigilar.
2. En File, Scheduling, crea una tarea diaria en modo lista que use ese fichero y esa configuración, con la API de Google Search Console activada.
3. En la pestaña Export de la tarea, elige tu cuenta de Google Drive. Cada ejecución deja el resultado en una hoja de cálculo de tu Drive.

Con eso tienes un control diario de las URLs que más te importan, y te enteras de cuándo una deja de estar indexada sin tener que mirarlo a mano.

Si ya trabajas con asistentes de IA, puedes pedirle el cruce de datos a Claude sobre el rastreo ya hecho. Lo cuento en el tutorial de Screaming Frog con Claude.

Qué pasó con Scrapebox, URL Profiler y la fórmula ImportXML

Scrapebox, URL Profiler y la fórmula ImportXML comprobaban la indexación lanzando búsquedas automáticas en Google y leyendo el resultado. Ese enfoque, el raspado, es hoy poco fiable: Google bloquea las peticiones automatizadas, exige proxies y devuelve resultados incompletos. Con la API de inspección ya no hace falta.

La idea original salió de una conversación con MJ Cachón en el turno de preguntas de su ponencia en el Congreso SEO Profesional: cruzar las URLs de un rastreo de Screaming Frog con lo que devolviera una herramienta de búsquedas con comandos. Probé tres caminos:

• Scrapebox y su opción «Check Indexed». Nunca conseguí que funcionara al 100%.
• Google Sheets con ImportXML sobre la búsqueda site: o info: de cada URL, en una hoja que llamé «Bulk Check Index». Funcionó un tiempo, con muchos fallos, hasta que Google empezó a bloquear esas peticiones.
• URL Profiler con proxies. Fue el que mejor resultado me dio entonces, con una columna de verdadero o falso por URL. Me quedó una duda: si comprobaba en google.es o en google.com.

Esa duda hoy no existe. La API de Search Console no hace una búsqueda: consulta directamente el índice de Google para tu propiedad.

Qué hacer con las URLs que no están indexadas

Con la lista de URLs no indexadas, el siguiente paso es agruparlas por motivo y decidir para cada grupo si se corrige, se mejora, se fusiona o se elimina. No todas las URLs sin indexar son un problema: solo lo son las que deberían captar tráfico y Google ha dejado fuera.

En una auditoría las separamos en tres montones:

1. No indexadas a propósito. Noindex, redirecciones, canonical a otra página. Solo hay que confirmar que es lo que querías. Si dudas entre las dos formas de bloquear, mira noindex y robots.txt.
2. Con un error técnico. 404, errores de servidor, bloqueos en el robots.txt, canónicas mal puestas. Se corrigen y se valida la corrección en Search Console.
3. Indexables que Google no indexa. Son las de «Rastreada: actualmente sin indexar» y «Descubierta: actualmente sin indexar». En la primera, Google ha visto la página y no la ha incluido. En la segunda, la conoce pero aún no la ha rastreado.

El tercer montón es el que da trabajo. Si son muchas URLs en «Descubierta», Google está aplazando el rastreo. Su guía para gestionar el presupuesto de rastreo (el tiempo y los recursos que dedica a rastrear un sitio) cita precisamente este síntoma, y está pensada sobre todo para sitios con más de 10.000 páginas. Si son muchas en «Rastreada», toca mirar la calidad y la duplicidad del contenido.

Los motivos uno a uno, y cómo conseguir que esas páginas entren en el índice, están en la guía de cómo indexar una URL en Google.

Preguntas frecuentes sobre la comprobación masiva de indexación

¿No está tu pregunta? Escríbeme a alberto@ingenieroseo.com y te contesto en menos de 24 horas.

¿Cómo puedo saber cuántas páginas de mi web están indexadas en Google?

El dato fiable está en el informe Indexación, Páginas de Google Search Console, que muestra el total de páginas indexadas y sin indexar de la propiedad. El número que devuelve una búsqueda con site:tudominio.com es una estimación y Google advierte de que no debe usarse para contar.

¿Cuántas URLs se pueden comprobar al día con la API de inspección de URLs?

La API de inspección de URLs de Search Console permite 2.000 consultas al día y 600 por minuto por cada propiedad, según la página de límites de uso de Google. Si verificas directorios o subdominios como propiedades independientes, cada uno cuenta con su propia cuota.

¿Se puede comprobar la indexación de URLs de una web que no es mía?

Con datos oficiales, no. Tanto el informe de páginas como la API de inspección exigen tener acceso a la propiedad en Search Console. Para una web ajena solo queda buscar cada URL con el operador site:, que da una respuesta orientativa y no se puede automatizar de forma fiable.

¿La API de inspección de URLs sirve para pedir la indexación?

No. La API de inspección de URLs solo consulta el estado de una URL en el índice de Google; no permite solicitar su indexación. Para eso hay que usar el botón «Solicitar indexación» de Search Console, una a una, o enviar un sitemap XML si son muchas.

¿Se puede saber en qué fecha indexó Google cada URL?

La API de inspección de URLs devuelve la fecha del último rastreo de cada URL, no la de su primera indexación, que Google no publica. Para acotarla hay otros métodos, que explico en cómo saber cuándo fue indexada una web por primera vez.

Por dónde empezar a revisar la indexación de tu web

Para revisar la indexación de un sitio, empieza por el informe de páginas de Search Console filtrado por sitemap. Si el sitio es pequeño, con eso basta. Si es grande o necesitas el detalle URL a URL, conecta Screaming Frog a la API y revisa primero las páginas que deben traer negocio.

¿Lo haces de otra manera o usas otra herramienta? Cuéntamelo en los comentarios, que formas hay muchas.