智能感知 · 组件
网页抓取与结构化提取
可用 合成数据 T5 · 文档扫描与抽取
功能
通过供应商 API 获取页面内容、抓取和提取页面，并管理有边界的爬取任务生命周期。
核心模式
限范围网页采集＋正文与字段提取
- 输入
- Page URL or crawl/extraction request
- 输出
- Normalized page content, structured extraction or crawl results
关键参数
| 名称 | 类型 | 默认值 | 取值 |
|---|---|---|---|
| operation | string | scrape | scrape · extract · crawl_start · crawl_status · crawl_cancel |
| urls | array | — | — |
| extract_schema | — | — | — |
| formats | array | [] | — |
| limit | integer | 100 | 1–10000 |
成熟度与限制
可用
包含服务请求映射、标准化及测试。此等级依据静态源码检查，不代表运行测试、真实服务接入或生产部署已通过验证。
源配置含凭据。采用 Apache-2.0，仍须遵守服务条款；本次仅作静态检查。适配器与另一匿名实现逐字节一致，延期或仅列入目录的状态仍然适用。
