网页可读内容抽取 API 接口

接口详情官网地址: https://www.gugudata.com/api/details/readability

网页可读内容抽取 API 网页正文智能抽取与结构化，网络工具、文本处理等关键词场景常会用到，适合用于站点内容抽取与网页分析、SEO 检查与页面结构处理与网页自动化采集与结构化输出等业务场景，方便开发者直接在应用、脚本或数据流程中接入。

1. 产品功能

• 支持从 URL 或 HTML 中抽取网页主体可读内容；
• url 与 html 至少传入一个，传入 html 时可减少外部网页访问的不确定性；
• 返回正文 HTML、纯文本、摘要、标题、站点名和发布时间等字段；
• 适合网页正文抓取、内容清洗、摘要生成前处理和知识库入库等场景；
• 围绕“网页可读内容抽取”提供标准化能力，便于快速接入现有业务；
• 适合将“网页可读内容抽取”结果接入业务系统、后台工具和自动化流程；
• 适合 SEO 分析、竞品研究、内容归档和站点巡检场景；
• 可与网页截图、正文抽取、链接提取和域名检测接口组合；

2. API 文档

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?appkey=REDACTED&url=YOUR_VALUE&html=YOUR_VALUE

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，在 JSON 请求体中传入。
url	string	否	YOUR_VALUE	待抽取的网页 URL；url 与 html 至少传入一个。
html	string	否	YOUR_VALUE	待抽取的 HTML 原文；url 与 html 至少传入一个。

4. 返回参数

参数名	参数类型	备注
DataStatus.RequestParameter	string	本次请求的参数摘要字符串。
DataStatus.StatusCode	int	接口返回状态码。
DataStatus.Status	string	接口返回状态，例如 SUCCESS 或 ERROR。
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	此条件下的数据总量；对象型结果通常为 1，列表型结果为列表数量或分页总数。
Data.Title	string	网页标题。
Data.Byline	string	作者或署名信息。
Data.Dir	string	文本方向。
Data.Lang	string	网页语言。
Data.Content	string	抽取后的正文 HTML。
Data.TextContent	string	抽取后的纯文本正文。
Data.Length	int	纯文本正文长度。
Data.Excerpt	string	正文摘要。
Data.SiteName	string	站点名称。
Data.PublishedTime	string	发布时间。

5. 错误码说明

状态码	错误说明	备注
200	正常返回	-
400	参数错误	-
429	请求频率受限	每秒请求不能超过 100 次
403	账号欠费	请及时关注订单到期短信提醒
402	APPKEY 错误	请检查传递的 APPKEY 是否为开发者中心获取到的值
500	接口响应错误	-

6. 适用场景

• 适合用于站点内容抽取与网页分析，快速补齐产品侧需要的 网页可读内容抽取 数据能力。
• 适合用于SEO 检查与页面结构处理，减少手工整理、清洗与重复开发成本。
• 适合用于网页自动化采集与结构化输出，将接口结果直接接入后台系统、数据任务或内容处理流程。

7. 相关接口

• 可搭配使用：国际手机号码检查纠正，适合补充同类场景的接口能力。
• 可搭配使用：手机归属地查询，适合补充同类场景的接口能力。
• 可搭配使用：获取任意站点标题与图标，适合补充同类场景的接口能力。