La cantidad de información contenida en Internet es de gran relevancia cuando nos adentramos en el ámbito de la ciberinteligencia, desde la cual se persigue la creación de inteligencia a través del análisis, evaluación e interpretación de datos recabados de la web. A día de hoy la extracción de información de páginas webs en Internet es una práctica común y refi nada, con la que se pretende indexar información con diferentes fi nes personales y profesionales: ya sean de negocio, estadísticos, de prevención y seguridad, etc. No obstante, hasta hace poco tiempo había una parte de la red a la que no llegaban los rastreadores de Internet: páginas webs que no estaban hiperenlazadas. Para poder llegar a estas páginas webs, que son, entre otras, las que componen la Deep Web, se deberá interactuar con formularios webs, por lo que el ujo de funcionamiento se aleja de el de los indexadores que conocíamos. En primer lugar, este trabajo pretende estudiar desde la base cómo se construye un indexador de contenido. Se va explicar las diferentes partes que lo componen y su funcionamiento. Se identi fican los mayores problemas que se pueden encontrar al desarrollar un indexador y se estudian las principales soluciones propuestas en la literatura relacionada. Seguidamente se pasará al ámbito de la Deep Web, en el que se verán las diferencias con respecto a la indexación de contenido de la Surface Web. Este trabajo pretende hacer un análisis de las metodologías y herramientas disponibles actualmente con las que se pueda automatizar un rastreador. Por último, se va a llevar a cabo una labor de clasifi cación de trabajos relacionados, estudiando las metodologías que usan, la estructura de sus rastreadores y soluciones propuestas. El trabajo se presenta como un trabajo de investigación teórico y se planteará para el futuro el desarrollo propio de un indexador de contenido para la Deep Web.