Readability API

Extract clean, readable article content from any web page. Strips ads, nav, and clutter — returns the main text, title, byline, lead image, and excerpt as JSON.

原始信息汇总

根据提供的数据集详情页面内容，以下是该数据集的概述：

数据集概述：Readability API

• 功能描述：从任意网页中提取干净的正文内容，去除广告、导航栏、侧边栏等杂乱信息，返回纯文本格式的文章。适用于内容工作流、摘要生成、归档、阅读应用及RAG（检索增强生成）管道。
• API端点：GET /extract?url=<article_url>
• 返回数据字段：返回JSON格式数据，包括：
  • url：文章链接
  • title：文章标题
  • byline：作者信息
  • excerpt：文章摘要
  • content：完整的纯文本正文
  • lead_image_url：文章配图链接
  • word_count：单词数
  • length_chars：字符长度
  • lang：语言
• 主要特点：
  • 自动移除广告、导航、侧边栏、页脚等无关内容。
  • 提取元数据（标题、作者、摘要、配图、字数、语言）。
  • 处理付费预览页、JS渲染页面（尽力支持）、重定向和Unicode字符。
  • 典型响应时间：多数页面在1秒以内。
• 使用场景：
  • 摘要生成与LLM内容输入（提供干净的文本）。
  • 阅读应用（如“稍后阅读”服务）。
  • 内容聚合（新闻简报、链接博客等）。
  • 网页归档（保留可读副本）。
  • RAG管道（为向量嵌入提供干净文本）。
• 注意事项：
  • 每次调用仅处理一个文章链接。
  • 默认无Headless浏览器支持，JS重单页应用可能返回较少内容。
  • 使用时需遵守目标网站的条款，不绕过付费墙或反爬保护。
• 订阅计划：
  • BASIC：免费（$0.00/月）
  • PRO：$4.99/月
  • ULTRA：$19.99/月
  • MEGA：$79.99/月
• 提供方信息：
  • API创建者：Emperor Clawd
  • 分类：Text Analysis（文本分析）