提取规则

将经过 URL 编码的 JSON 传递给 extract_rules,以从目标页面获取结构化输出。每条规则包含一个 CSS 选择器、一个可选的输出类型,以及一个是否返回所有匹配项的标志。无论是否启用 JavaScript 渲染,提取规则均可正常工作。

端点

GET https://scrape.shifter.io/v1?api_key=YOUR_API_KEY&url=<TARGET_URL>&extract_rules=<URL_ENCODED_JSON>

参数

参数	类型	必填	说明
api_key	string	是	您的 Web Scraping API 密钥
url	string	是	要抓取的目标 URL
extract_rules	string	是	描述提取规则的 URL 编码 JSON。

规则对象

字段	类型	必填	说明
selector	string	是	CSS 选择器。
output	string	否	html(默认)、text,或用于提取属性的 @attr。
all	string	否	"1" 表示以数组形式返回所有匹配项,"0"(默认)表示仅返回第一个匹配项。

请求示例

将页面标题以文本形式提取:

{"title": {"selector": "h1", "output": "text"}}

curl

curl "https://scrape.shifter.io/v1?api_key=YOUR_API_KEY&url=https%3A%2F%2Fexample.com&extract_rules=%7B%22title%22%3A%20%7B%22selector%22%3A%20%22h1%22%2C%20%22output%22%3A%20%22text%22%7D%7D"

Python

import json
import requests

rules = {"title": {"selector": "h1", "output": "text"}}
r = requests.get("https://scrape.shifter.io/v1", params={
    "api_key": "YOUR_API_KEY",
    "url": "https://example.com",
    "extract_rules": json.dumps(rules),
})
print(r.json())

Node.js

import fetch from 'node-fetch';

const rules = { title: { selector: 'h1', output: 'text' } };
const url = 'https://scrape.shifter.io/v1?' + new URLSearchParams({
  api_key: 'YOUR_API_KEY',
  url: 'https://example.com',
  extract_rules: JSON.stringify(rules),
});
const res = await fetch(url);
console.log(await res.json());

响应示例

{ "title": "Example Domain" }

另请参阅

• JSON 自动解析器
• API 请求