文章抽取信息化 JSON - 咕咕数据 API 文档

文章抽取信息化 JSON
接口详情官网地址: https://www.gugudata.com/api/details/article-extract

任意网页 URL 或 HTML 提取文章 JSON

请求方法: POST
接口路径: /ai/v1/articles/extract
调试地址: https://api.gugudata.com/ai/v1/articles/extract/demo
OpenAPI: https://www.gugudata.com/openapi/gugudata.openapi.3.1.json

请求参数:

appkey (string, 必填): 付费后获取的 APPKEY，可通过查询参数或请求体传递

url (string, 必填): 需要提取文章内容的网页 URL 地址

返回字段:

DataStatus.StatusCode: 接口返回状态码

DataStatus.StatusDescription: 接口返回状态说明

DataStatus.ResponseDateTime: 接口数据返回时间

DataStatus.DataTotalCount: 此条件下的总数据量，一般用于分页计算

Data.url: 文章的源 URL

Data.title: 提取的文章标题

Data.description: 文章描述/摘要

Data.links: 文章中包含的链接数组

Data.image: 文章主图片 URL

Data.content: 提取的文章内容（HTML 格式，已去除广告和导航栏）

Data.author: 文章作者（如果可用，可能为空字符串）

Data.favicon: 网站图标 URL

Data.source: 来源网站域名（如 sohu.com）

Data.published: 文章发布日期/时间（格式：YYYY-MM-DD HH:MM）

Data.ttr: 预计阅读时间（Time to Read，单位：分钟）

Data.type: 文章类型（如 news、article 等）

HTTP 状态码:

200 接口正常响应: 业务状态码请结合响应体中的状态字段判断。

400 请求参数错误: 参数缺失、格式错误或非法组合。

401 鉴权失败: 缺少 APPKEY 或 APPKEY 无效。

403 无权限或额度不可用: 订单到期、权限不足或剩余额度不可用。

404 资源不存在: 请求路径不存在。

405 请求方法不允许: 请求方法与接口定义不匹配。

415 请求内容类型不支持: 文件上传或请求体格式不符合要求。

429 请求频率超限: 触发接口或网关限流策略。

500 服务内部异常: 服务执行异常，请联系技术支持。

502 上游依赖异常: 上游服务响应异常或暂不可用。

业务状态码:

100 正常返回: 文章成功提取

101 参数错误: 无效或缺少必需参数（url 参数是必需的）

102 请求频率受限: 每秒请求不能超过 100 次

103 账号欠费: 暂无说明

104 APPKEY 错误: 请检查传递的 APPKEY 是否为开发者中心获取到的值

110 接口响应错误: 文章提取过程中发生内部服务器错误。URL 可能无法访问或内容格式可能不受支持

接口特性:

支持从任意网页 URL 提取干净的文章内容；

自动去除广告、导航栏和非内容元素；

提取文章标题、内容、作者和发布日期；

支持自定义解析器和获取选项；

提供独立的 HTML 字符串提取接口（/ai/v1/articles/extractFromHtml）；

支持直接从 HTML 字符串提取；

高质量的内容提取，智能解析；

全接口支持 HTTPS（TLS v1.0 / v1.1 / v1.2 / v1.3）；

全面兼容 Apple ATS；

全国多节点 CDN 部署；

接口极速响应，多台服务器构建 API 接口负载均衡；

请求示例代码

Shell

JavaScript

Java

Swift

PHP

Python

HTTP

Objective-C

Ruby

OCaml

Dart

返回响应

🟢200成功

application/json

Body

示例

{
  "DataStatus": {
    "StatusCode": 0,
    "StatusDescription": "string",
    "ResponseDateTime": "string",
    "DataTotalCount": 0
  },
  "Data": {
    "url": "string",
    "title": "string",
    "description": "string",
    "links": [
      {}
    ],
    "image": "string",
    "content": "string",
    "author": "string",
    "favicon": "string",
    "source": "string",
    "published": "string",
    "ttr": 0,
    "type": "string"
  }
}