网页可读内容抽取 API 数据接口
网页可读内容抽取 API 数据接口
智能提取文章关键元素信息，智能抽取，多种元素信息。
1. 产品功能
- 智能提取网页可阅读内容；
- 提供网页可阅读内容的 HTML 代码；
- 支持传递网页 HTML 或网页 URL 参数；
- 支持多种元素信息抽取，包括文章标题、作者、文字方向、语言、内容、内容（不包含 HTML 标签，按段落分割）、文章长度、文章摘要、网站名称、文章发布时间；
- 秒级解析性能，支持高并发；
- 数据持续更新与维护；
- 全接口支持 HTTPS（TLS v1.0 / v1.1 / v1.2 / v1.3）；
- 全面兼容 Apple ATS；
- 全国多节点 CDN 部署；
- 接口极速响应，多台服务器构建 API 接口负载均衡；
- 接口调用状态与状态监控
2. API 文档
接口详情: https://www.gugudata.com/api/details/readability
接口地址: https://api.gugudata.com/websitetools/readability
返回格式: application/json; charset=utf-8
请求方式: POST
请求协议: HTTPS
请求示例: https://api.gugudata.com/websitetools/readability
数据预览: https://www.gugudata.com/preview/readability
接口测试: https://api.gugudata.com/websitetools/readability/demo
3. 请求参数
| 参数名 | 参数类型 | 是否必须 | 默认值 | 备注 |
|---|---|---|---|---|
| appkey | string | 是 | YOUR_APPKEY | 付费后获取的 APPKEY |
| html | string | 否 | YOUR_VALUE | 需要抽取的网页 HTML 内容，与参数 url 二选一 |
| url | string | 否 | YOUR_VALUE | 需要抽取的网页 URL 地址，与参数 html 二选一。（我们不处理因源站反爬而不能正常请求网页内容进行后续处理的问题） |
4. 返回参数
| 参数名 | 参数类型 | 备注 |
|---|---|---|
| DataStatus.RequestParameter | string | 接口请求参数 |
| DataStatus.StatusCode | int | 接口返回状态码 |
| DataStatus.StatusDescription | string | 接口返回状态说明 |
| DataStatus.ResponseDateTime | string | 接口数据返回时间 |
| DataStatus.DataTotalCount | int | 此条件下的总数据量，一般用于分页计算 |
| Data.Title | string | 文章标题 |
| Data.Byline | string | 文章作者 |
| Data.Dir | string | 文章文字方向 |
| Data.Lang | string | 文章语言 |
| Data.Content | string | 文章内容 |
| Data.TextContent | string | 文章内容（不包含 HTML 标签，按段落分割） |
| Data.Length | int | 文章长度 |
| Data.Excerpt | string | 文章摘要 |
| Data.SiteName | string | 网站名称 |
| Data.PublishedTime | string[] | 文章发布时间 |
