MarkUDown
API de Scrape — documentación de la API de web scraping MarkUDown
POST
/api/scrapeScrape
Convierte cualquier página web en Markdown limpio. Usa una estrategia de extracción de 3 capas: fetch HTTP rápido → navegador stealth (Patchright) → simulación de comportamiento humano (Abrasio), escalando automáticamente ante fallos.
| Parámetro | Tipo | Requerido | Por defecto | Descripción |
|---|---|---|---|---|
| url | array<string> | requerido | — | URL a extraer, en un array de un elemento (solo se usa el primero; para varias URLs usa Batch Scrape). |
| main_content | boolean | opcional | true | Extrae solo el contenido principal (descarta navegación, cabecera y pie de página). |
| include_link | boolean | opcional | false | Incluye los enlaces encontrados en la página. |
| include_html | boolean | opcional | false | También devuelve el HTML de la página junto con el Markdown. |
| exclude_tags | array<string> | opcional | ["header","nav","footer"] | Selectores CSS o nombres de etiquetas a eliminar, por ejemplo ["nav",".ads","footer"]. |
| timeout | integer | opcional | 60 | Tiempo límite de carga de la página, en segundos. |
Solicitud
{
"url": ["https://blog.example.com/post"],
"main_content": true,
"include_link": true,
"timeout": 30
}Respuesta
{
"url": "https://blog.example.com/post",
"markdown": "# Post Title\n\nContent...",
"links": [
"https://blog.example.com/other",
"https://example.org/"
],
"metadata": {
"title": "Post Title",
"description": "...",
"source": "cheerio",
"statusCode": 200
}
}