网页搜索 · Search API

基础信息

接口说明： 通过 API 创建 Search API 的采集任务，获取实时网页搜索结果，并可按需采集搜索结果对应的网页正文。

请求地址： https://aiwebapi.dataify.com/search

请求方式： POST

请求格式： application/json 或 application/x-www-form-urlencoded

请求参数

Headers：

参数名称	参数类型	是否必须	描述
Authorization	string	是	固定格式：Authorization: Bearer <你的YOUR_API_TOKEN>。YOUR_API_TOKEN 可在仪表板 → 设置 → Token 管理获取。不支持自定义 Token 请求头。

Body：

参数名称	参数类型	是否必须	描述
unique_id	string	是	用于指定使用的工具，固定参数：search_web（网页搜索）、search_news（新闻搜索）、search_shopping（购物搜索）、search_scholar（学术搜索）
query	string	是	用于查询的搜索词，去除首尾空格后长度为 1～256 个字符。
source	enum	否	用于设置采集结果的类型。可选值：web、news、shopping、scholar，默认值为 web。
max_results	integer	否	用于设置返回的最大搜索结果数量，范围为 1～100，默认值为 10。
time_range	enum	否	用于设置搜索结果的时间范围。可选值：hour（过去 1 小时）、day（过去 24 小时）、week（过去 1 周）、month（过去 1 个月）、year（过去 1 年）。不传表示不限时间范围。shopping 和 scholar 类型不支持此参数。
country	string	否	用于设置搜索结果的国家或地区，使用两位小写国家代码，默认值为 us。scholar 类型不支持此参数。
language	string	否	用于设置搜索结果的界面语言，默认值为 en。
extract_content	boolean	否	用于设置是否进一步采集搜索结果中每条记录对应 URL 的网页正文。可选值：false、true，默认值为 false。
extract_options	object	否	用于配置网页正文采集参数。仅当 extract_content 为 true 时，才可传入此参数。
extract_options.formats	array of string	否	用于设置网页正文的输出格式。可选值：markdown、raw_html、clean_html、links，默认值为 markdown。
extract_options.include_tags	array of string	否	用于指定需要采集的 HTML 标签或 CSS Selector，仅采集匹配的内容。最多 50 条，每条最长 2048 个 UTF-8 字节。例如：["data-testid=qsp-price1","data-testid=qsp-price2"]。
extract_options.exclude_tags	array of string	否	用于指定需要排除的 HTML 标签或 CSS Selector，采集时去除匹配的内容。最多 50 条，每条最长 2048 个 UTF-8 字节。例如：["data-testid=qsp-price1","data-testid=qsp-price2"]。
extract_options.only_main_content	boolean	否	用于设置是否仅保留清洗后的正文。true 表示只保留清洗后的主体内容；false 表示保留更多清洗后的页面内容。默认值为 true。
extract_options.advanced_mode	boolean	否	用于设置正文采集策略，可选值：false、true，默认值为 true。false 表示采用无渲染 HTTP 方式采集，成功率相对较低；true 表示启用自动解锁策略，依次尝试无渲染采集、浏览器渲染采集、浏览器渲染结合网页解锁器采集，仅在上一级采集失败时进入下一级。不同采集方式的费用不同，具体请参阅费用介绍。
extract_options.timeout_ms	integer	否	用于设置单条网页正文采集的最长处理时长，涵盖获取、渲染和提取过程，单位为毫秒。范围为 1000～120000，默认值为 60000。
extract_options.wait_for_ms	integer	否	用于设置采集网页正文时的页面加载等待时长，单位为毫秒。范围为 0～30000，默认值为 0。与 timeout_ms 同时传入时，该值不得超过 timeout_ms 的一半。
extract_options.max_age_ms	integer	否	用于设置网页正文采集可接受的缓存时长上限，单位为毫秒，最大值为 172800000（2 天）。0 表示强制回源获取最新内容。

响应示例

{
    "markdown": "# News"
}

响应参数

参数名称	参数类型	描述
title	string	搜索结果的标题。
url	string	搜索结果对应的 URL 地址。
snippet	string	搜索结果摘要。
date	string	搜索结果对应的新闻日期。
extract	object	搜索结果 URL 对应的网页正文及页面信息。