Skip to main content
Hero Light

欢迎使用 Firecrawl

Firecrawl 是一个 API 服务,它接受一个 URL,抓取并转换为干净的 markdown。我们会抓取所有可访问的子页面,为您提供每个页面的干净 markdown。无需站点地图。

如何使用?

我们提供了易于使用的 API 和托管版本。您可以在 这里 找到游乐场和文档。如果您愿意,也可以自行托管后端。 以下是开始使用的资源: 需要 SDK 或集成?通过打开一个问题让我们知道。 自托管: 要进行自托管,请参考此处的指南。

API 密钥

要使用 API,您需要在Firecrawl上注册并获取一个 API 密钥。

功能

  • 抓取: 抓取 URL 并以 LLM 准备就绪的格式(markdown、结构化数据通过LLM 提取、截图、html)获取其内容
  • 爬虫: 抓取网页的所有 URL 并返回 LLM 准备就绪的格式的内容
  • 地图: 输入一个网站并获取所有网站 URL - 非常快速
  • 提取: 使用 AI 从单个页面、多个页面或整个网站获取结构化数据。

强大的功能

  • LLM 准备就绪的格式: markdown、结构化数据、截图、HTML、链接、元数据
  • 硬核功能: 代理、反机器人机制、动态内容(js 渲染)、输出解析、编排
  • 可定制性: 排除标签、使用自定义头部在认证墙后面爬取、最大爬取深度等…
  • 媒体解析: pdfs、docx、图像。
  • 可靠性第一: 设计用于获取您需要的数据——无论有多难。
  • 操作: 点击、滚动、输入、等待等操作,然后再提取数据
您可以在我们的文档中找到 Firecrawl 的所有功能以及如何使用它们。

爬虫

用于抓取一个 URL 及其所有可访问的子页面。这将提交一个爬虫任务并返回一个作业 ID,以便检查爬虫的状态。

安装

使用

如果您使用的是 cURL 或 SDK 上的async crawl函数,这将返回一个ID,您可以使用该 ID 来检查爬虫的状态。

检查爬虫任务

用于检查爬虫任务的状态并获取其结果。

响应

根据爬虫的状态,响应将有所不同。对于未完成或超过 10MB 的大响应,会提供next URL 参数。您必须请求此 URL 以检索下一批 10MB 的数据。如果缺少next参数,则表示爬虫数据的结束。

抓取

要抓取单个 URL,请使用scrape_url方法。它接受 URL 作为参数并返回抓取的数据作为字典。

响应

SDK 将直接返回数据对象。cURL 将返回如下所示的有效载荷。

提取

使用 LLM 提取,您可以轻松地从任何 URL 中提取结构化数据。我们支持 pydantic 模式,以便让您更容易使用。以下是如何使用它的方法: v1 目前仅在 node、python 和 cURL 上受支持。
输出:
JSON

无模式提取(新功能)

您现在可以通过仅传递一个prompt到端点来进行无模式提取。llm 选择数据的结构。
输出:
JSON

提取(v0)

使用操作与页面交互

Firecrawl 允许您在抓取网页内容之前对网页执行各种操作。这对于与动态内容交互、浏览页面或访问需要用户互动的内容特别