extract_structured

Berikan pengekstrak satu JSON Schema dan gesaan bahasa semula jadi. LLM membaca halaman dan mengembalikan data yang sepadan dengan skema anda. Apabila tiada penyedia LLM dikonfigurasi, ia beralih ke pengekstrakan pemilih CSS menggunakan petunjuk anda.

Kes Penggunaan

Pengekstrakan Produk Skema-Dahulu

Takrifkan medan yang anda mahu sekali; LLM memetakan mana-mana tapak e-dagang ke skema anda.

Penghuraian Resume & Dokumen

Ekstrak nama calon, kemahiran dan sejarah kerja terus ke dalam objek bertaip.

Penyemaian Graf Pengetahuan

Ekstrak entiti dan perhubungan daripada artikel ke dalam JSON berstruktur untuk pemuat graf.

Endpoint

POST/api/v1/tools/extract_structured

Auth Required

2 req/s pada pelan Free

3 credits

Parameters

LLM lwn. sandaran pemilih: Berikan llmConfig untuk menggunakan pengekstrakan dikuasakan LLM. Tanpanya, alat menggunakan selectorHints untuk pengekstrakan CSS berketentuan — lebih murah dan tiada kunci LLM diperlukan.

Name	Type	Required	Default	Description
url	string	Required	-	URL untuk mengekstrak data Example: https://example.com/product/123
schema	object	Required	-	JSON Schema yang menerangkan data untuk diekstrak Example: {"type":"object","properties":{"title":{"type":"string"},"price":{"type":"number"}},"required":["title"]}
prompt	string	Optional	-	Arahan bahasa semula jadi yang membimbing pengekstrakan LLM Example: Extract the product name, current price, and whether it is in stock
llmConfig	object	Optional	-	Konfigurasi penyedia LLM pilihan (provider, apiKey). Tinggalkan untuk menggunakan sandaran pemilih CSS. Example: {"provider": "openai", "apiKey": "sk-..."}
selectorHints	object	Optional	-	Petunjuk pemilih CSS untuk membimbing pengekstrakan (juga digunakan oleh sandaran pemilih) Example: {"title": "h1.product-title", "price": ".price"}
fallbackToSelectors	boolean	Optional	true	Beralih ke pengekstrakan pemilih CSS apabila LLM tidak tersedia Example: true

Contoh Permintaan

cURL — LLM extraction

terminalBash

TypeScript — selector fallback

extractStructured.tsTypescript

Python

extract_structured.pyPython

Contoh Respons

200 OK1.2s

{
  "success": true,
  "data": {
    "url": "https://example.com/product/123",
    "extracted": {
      "title": "Premium Wireless Headphones",
      "price": 299.99,
      "in_stock": true
    },
    "extraction_method": "llm",
    "schema_fields": 3,
    "required_fields": 2,
    "llm_provider": "openai",
    "confidence": 0.92
  },
  "credits_used": 3,
  "credits_remaining": 997,
  "processing_time": 1240
}

Field Descriptions

data.extractedSepadan dengan JSON Schema yang anda berikan

data.extraction_method"llm" apabila penyedia dikonfigurasi, "selector_fallback" sebaliknya

data.confidenceKeyakinan pengekstrak (keyakinan LLM atau kadar padanan pemilih)

credits_used3 credits rata setiap panggilan

Kos Credit

3 credits

3 credits setiap permintaan

3 credits rata sama ada panggilan menggunakan LLM atau sandaran pemilih.

Tip: Gandingkan dengan scrape_structured (2 credits, CSS sahaja) apabila anda sudah mempunyai pemilih yang stabil dan tidak memerlukan fleksibiliti LLM.

Alat Berkaitan

scrape_structured

Pengekstrakan pemilih CSS (2 credits)

analyze_content

Analisis sentimen, entiti dan topik (3 credits)

Bersedia untuk mengekstrak data berstruktur bertaip? Daftar secara percuma dan dapatkan 1,000 credits.