网页正文提取

概述

从新闻、博客、公众号等公开网页提取主体正文，并返回标题、发布时间、配图、字数与预估阅读时长。导航、侧栏、广告和评论不会进入正文。 需要脚本渲染的页面，会在页面加载完成后再提取正文。尚未渲染出内容的空白页不会作为成功结果返回。 提取引擎为本平台自研的轻量浏览器，使用 Rust 编写，基于 Lightpanda 定制，可以库的形式集成到业务系统中，适用于轻量级网页抓取与小型爬虫浏览器场景。如需了解集成方式，请联系客服。

鉴权

匿名免登录可调每日 20 次；登录用户每日 100 次。

获取 API Key：获取 API Key/account/keys

请求参数

GET · QUERY STRING · https://v1.apizero.cn/api/content-extract?url=url

返回结果

顶层固定为 code / msg / data。下表一般是 data 内字段。 code · msg · data · tips · request_id

返回示例

{
  "code": 0,
  "msg": "成功",
  "data": {
    "title": "示例文章标题",
    "publish_time": "2024-01-15",
    "content": "...",
    "word_count": 2300,
    "reading_time": "5分钟",
    "image_count": 3,
    "images": [
      "https://..."
    ]
  },
  "tips": "极数本源 · https://apizero.cn"
}

请求示例

示例都是服务端写法。Python / JavaScript 各有常规写法和官方库。

curl -sS -H "Authorization: Bearer YOUR_API_KEY" "https://v1.apizero.cn/api/content-extract?url=%3Curl%3E"

错误码

先看业务 code。HTTP 也可能不是 200。

调用限制

购买套餐、看评价请走商城详情。 购买 / 调试

更新日志

• 1.0.02026-05-07

  首次上线 · 文本密度算法

免责声明