Crear Scrape
Scrape una URL con la configuración proporcionada y obtén contenido.
Autorizaciones
Encabezado de autenticación Bearer de la forma Bearer , donde es tu token de autenticación.
Cuerpo
La URL desde la cual comenzar el scraping.
Tiempo de espera en milisegundos antes de comenzar el scrapeo.
Formatos en los que quieres el contenido.
html, markdown, text, json, raw_pdf, screenshot Opción para eliminar ciertos selectores CSS del contenido. Opcionalmente, también puedes pasar un array en formato JSON de selectores específicos que deseas eliminar. Los selectores CSS eliminados cuando esta opción está configurada por defecto son ['nav','footer','script','style','noscript','svg',[role=alert],[role=banner],[role=dialog],[role=alertdialog],[role=region][aria-label*=skip i],[aria-modal=true]]
default, none, array Acciones a realizar en la página antes de obtener el contenido.
- Esperar
- Hacer clic
- Rellenar Entrada
- Desplazar
País residencial desde el cual cargar la solicitud. Valores soportados son: - US (Estados Unidos) - CA (Canadá) - IT (Italia) - IN (India) - GB (Inglaterra) - JP (Japón) - MX (México) - AU (Australia) - ID (Indonesia) - UA (EAU) - RU (Rusia) - RANDOM Algunas operaciones, como scrapeo de Google Search y Google News, soportan todos los países.
Especifica el transformador HTML a usar, si es necesario. La biblioteca Mercury Parser de Postlight se utiliza para eliminar anuncios y otros contenidos no deseados del contenido extraído.
postlight, none Opción para eliminar imágenes del contenido scrapeado. Por defecto es false.
Lista de nombres de clase a eliminar del contenido.
Al definir json como formato, puedes usar este parámetro para especificar el parser a usar. Los parsers son útiles para extraer contenido estructurado de páginas web. Olostep tiene algunos parsers integrados para las páginas web más comunes, y también puedes crear tus propios parsers.
Con esta opción, puedes obtener todos los enlaces presentes en la página que scrapeas. Los enlaces siempre se devuelven como URLs absolutas.
Configuración para el tamaño de pantalla. Las dimensiones predefinidas están disponibles a través de screen_type: desktop (1920x1080), mobile (414x896) o default (768x1024).
Metadatos definidos por el usuario. Aún no soportado.
Edad máxima aceptable del contenido en caché, en segundos. Cuando ya existe un scrape coincidente y es más reciente que max_age segundos, Olostep devuelve el resultado almacenado en lugar de iniciar un nuevo scrape en el navegador. Por defecto es 0 (siempre hacer un scrape nuevo). En el playground del dashboard, el valor predeterminado es 86400 (24 horas). El valor máximo permitido es 604800 (7 días). Consulta la sección de Caching en la documentación de la función Scrapes para más detalles.
x >= 0Respuesta
Respuesta exitosa con los detalles de inicio del scrape.
ID del scrape
El tipo de objeto. "scrape" para este endpoint.
Época creada
Metadatos definidos por el usuario.
La URL que fue scrapeada.
Número de créditos consumidos por esta solicitud. Se completa después de que la ejecución finaliza. Los créditos son la fuente de verdad para la facturación.
Costo estimado en USD para esta solicitud. Se completa después de que la ejecución finaliza. Calculado a partir de los créditos consumidos y tu tarifa de plan — 99% preciso, pero credits_consumed es el valor autoritativo.