---
id: 0028b
title: Enrichers extract_domain, extract_links, extract_text_entities
status: pending
priority: high
created: 2026-05-01
depends_on: [0028]
---

## Objetivo

Tres enrichers Python adicionales que reusan el contrato validado por
`fetch_webpage`. Cada uno cubre un eje de extraccion distinto.

## 1. `extract_domain`

```
applies_to: [Url, Webpage, Email]
emits: [Domain]
relations: [BELONGS_TO]
```

- Saca el dominio de `metadata.url` o `metadata.address`.
- Crea nodo `Domain` si no existe + relacion `BELONGS_TO`.
- Util cuando el usuario tiene un Url/Email que aun no ha sido fetched
  pero quiere ver el dominio en el grafo.

## 2. `extract_links`

```
applies_to: [Webpage]
emits: [Url]
relations: [LINKS_TO]
```

- Lee `metadata.markdown_path`. Si vacio → exit con error "run fetch_webpage first".
- `extract_urls_py_cybersecurity` sobre el contenido.
- Para cada URL distinta encontrada:
  - Crea nodo `Url` con `metadata.url` (si no existe).
  - Relacion `LINKS_TO` desde la Webpage origen.
- Param: `max_links` (default 50) para no saturar el grafo.

## 3. `extract_text_entities`

```
applies_to: [Webpage]
emits: [Person, Org, Email, Phone, Domain, Location, IPAddress, CVE, ...]
relations: [EXTRACTED_FROM, ...relaciones que GLiREL detecte]
```

- Lee `metadata.markdown_path`.
- Llama `extract_graph_hybrid_py_pipelines` (regex IoCs + GLiNER + GLiREL + LLM fallback).
- Para cada entidad detectada:
  - Resuelve por `(name, type)` en operations.db. Si no existe la crea.
  - Relacion `EXTRACTED_FROM` desde la entidad nueva al nodo Webpage.
- Para cada relacion detectada por GLiREL:
  - Relacion entre las dos entidades con el `kind` predicho.
- Params:
  - `chunk_size` (default 2000)
  - `use_llm_fallback` (default false — evitar coste; el usuario lo activa en jobs concretos)

## Definicion de hecho

- Los tres enrichers aparecen en el menu "Run enricher" segun el tipo
  del nodo right-clickado.
- En un nodo Webpage el menu muestra los 3 + fetch_webpage.
- Test integracion:
  - Crear Url → fetch_webpage → run extract_links sobre el resultado
    → run extract_text_entities → grafo se llena con persons/orgs/etc.
  - Cada paso es un job independiente visible en panel Jobs.
- `extract_text_entities` con LLM off termina sin coste y produce
  entidades de IoC + entidades GLiNER (gratis).