网页正文提取 API

抓取网页并提取正文纯文本，或转换成 Markdown（保留标题、列表、链接、图片、代码块、引用和表格）；只能读取服务器直接返回的 HTML，不执行 JavaScript

数据来源：目标网页

返回统一的 JSON 格式 { code, message, cached, stale, updatedAt, data }，支持跨域，免注册每天可免费调用 100 次，注册后每天 10000 次。

提取网页标题、小标题和正文文字

GET /api/web/text

请求参数

  • url（必填）：网页地址（http / https），只允许公网地址；跟随最多 5 次跳转，每一跳都会检查，示例 https://example.com
  • mode：main 尽量只保留正文（优先 <article> / <main>，去掉导航、侧边栏、页脚）；all 保留整个 <body>，示例 all
  • max_length：返回文字的最大字符数，100~200000，超出部分截断，示例 20000

返回字段

  • url（string）：最终网址（跟随跳转后）
  • status（number）：目标网页的 HTTP 状态码（只接受 2xx）
  • title（string|null）：网页标题（优先 og:title，其次 <title>）；没有时为 null
  • description（string|null）：网页描述（meta description / og:description）；没有时为 null
  • lang（string|null）：<html lang> 声明的语言（如 zh-CN）；未声明时为 null
  • mode（string）：提取模式：main / all（与参数一致）
  • region（string）：实际选取的区域：article（<article>）/ main（<main>、role=main 等）/ hint（id、class 像正文的容器）/ body（整个页面）
  • headings（array）：正文区域内的一至三级标题，按出现顺序，最多 200 个
  • headings[].level（number）：标题级别：1 / 2 / 3
  • headings[].text（string）：标题文字（最多 200 字）
  • length（number）：提取到的文字总字符数（截断前）
  • truncated（boolean）：文字是否超过 max_length 被截断，或网页超过 2MB 只读取了前面部分
  • text（string）：正文纯文本：段落之间空一行，表格单元格之间用制表符分隔

把网页正文转换成 Markdown

GET /api/web/markdown

请求参数

  • url（必填）：网页地址（http / https），只允许公网地址；跟随最多 5 次跳转，每一跳都会检查，示例 https://example.com
  • mode：main 尽量只保留正文（优先 <article> / <main>，去掉导航、侧边栏、页脚）；all 保留整个 <body>，示例 all
  • links：是否保留链接地址：true / false（false 时只保留链接文字），示例 false
  • images：是否保留图片：true / false，示例 false
  • max_length：返回内容的最大字符数，100~300000，超出部分截断，示例 50000

返回字段

  • url（string）：最终网址（跟随跳转后）
  • status（number）：目标网页的 HTTP 状态码（只接受 2xx）
  • title（string|null）：网页标题（优先 og:title，其次 <title>）；没有时为 null
  • description（string|null）：网页描述（meta description / og:description）；没有时为 null
  • lang（string|null）：<html lang> 声明的语言（如 zh-CN）；未声明时为 null
  • mode（string）：提取模式：main / all（与参数一致）
  • region（string）：实际选取的区域：article（<article>）/ main（<main>、role=main 等）/ hint（id、class 像正文的容器）/ body（整个页面）
  • length（number）：Markdown 总字符数（截断前）
  • truncated（boolean）：是否超过 max_length 被截断，或网页超过 2MB 只读取了前面部分
  • markdown（string）：Markdown 内容；链接和图片已转为绝对地址；正文没有一级标题时在开头补上网页标题