API de página web a Markdown (WEB_SCRAPE)

WEB_SCRAPE lee una página y devuelve su contenido principal en Markdown: títulos, párrafos, listas, tablas, enlaces e imágenes, sin la cabecera, el pie ni la navegación del sitio. Las páginas que dibuja un script, como las fichas de producto de una tienda, se renderizan antes de leerlas. Para leer un resultado de búsqueda, pasa un link de los organicResults de GOOGLE_SERP.


`taskType`	`WEB_SCRAPE`
Entrada	`url` (obligatorio); `maxChars`, `country`
Créditos	1 por tarea, incluido un PDF de varias páginas
País	`US`, o `KR` para las tiendas de Coupang y Olive Young, si no envías ninguno.
Ubicación	No admitida (`422 LOCATION_UNSUPPORTED`).

Solicitud

curl -X POST https://api.querying.ai/v1/async/task \
  -H "Authorization: Bearer $QUERYING_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{ "taskType": "WEB_SCRAPE", "payload": { "url": "https://www.example.com/guide", "maxChars": 50000 } }'

La tarea se ejecuta de forma asíncrona. Lee el resultado como se describe en Tareas asíncronas.

Parámetros

Campo	Obligatorio	Descripción
`url`	Sí	Una dirección `http` o `https` pública en el puerto por defecto, de hasta 2.048 caracteres. Las direcciones con credenciales, hosts privados o internos u otros puertos devuelven `422 VALIDATION_ERROR`.
`maxChars`	No	Limita `markdown`, un entero de 1.000 a 200.000. 100.000 por defecto.
`country`	No	El idioma y la región para los que se solicita la página. Si se omite, las tiendas de Coupang y Olive Young de Corea usan `KR` y las demás páginas usan `US`.

Respuesta

Por ejemplo:

{
  "url": "https://www.example.com/guide",
  "finalUrl": "https://www.example.com/guide",
  "statusCode": 200,
  "title": "...",
  "description": "...",
  "author": "...",
  "publishedAt": "2026-09-12T07:36:36Z",
  "siteName": "...",
  "language": "en",
  "image": "https://...",
  "markdown": "# ...\n\n...\n\n![...](https://...)",
  "images": [{ "url": "https://...", "alt": "..." }],
  "truncated": false
}

Campo	Descripción
`url`	La dirección que enviaste.
`finalUrl`	La dirección tras las redirecciones.
`statusCode`	El estado HTTP de la página leída.
`markdown`	El contenido principal. Nunca está vacío en una tarea completada.
`images`	Las imágenes de `markdown`, en el orden en que aparecen.
`truncated`	`true` cuando `markdown` se detuvo en `maxChars`. El corte cae en un salto de párrafo cuando es posible.
`title`, `description`, `author`, `publishedAt`, `siteName`, `language`, `image`	Presentes cuando la página los declara.

PDF

Se admiten HTML, texto plano y PDF con texto. Un PDF devuelve su texto en orden de páginas, su título, autor, asunto (como description) e idioma cuando existen, e images: []. No se admiten OCR, adjuntos ni reconstrucción del diseño.

Límite de PDF	Valor
Tamaño de descarga	8 MiB
Páginas	100
Texto extraído	1.000.000 de caracteres
Tiempo de extracción	20 segundos

Se comprueba todo el documento independientemente de maxChars; solo se recorta el Markdown devuelto. Los PDF sin texto, cifrados, dañados, incompletos o que superan los límites fallan con PAGE_UNAVAILABLE.

Límites y errores

Una página que no se puede leer hace fallar la tarea con PAGE_UNAVAILABLE y el motivo: un formato no admitido, una página que responde 404 o 410, o un sitio que rechaza la petición.
Una redirección a una dirección que incumple las reglas de url hace fallar la tarea. Las reglas se vuelven a comprobar en cada salto de redirección.
WEB_SCRAPE ignora markdown, rawResponse y searchQueries. Rechaza html y analysis con 422 y citationAnalysis con 400; consulta flags no admitidos.
Los demás errores de solicitud se enumeran en Errores.

Relacionado

Web crawl para leer muchas páginas de un sitio
Web map para listar primero las direcciones de un sitio

Primeros pasos

Conceptos clave

Motores de respuesta

Búsqueda y datos web

Opciones de solicitud

Investigación

Monitorización GEO

Cuenta y datos

API de página web a Markdown (WEB_SCRAPE)

Solicitud

Parámetros

Respuesta

PDF

Límites y errores

Relacionado

​Solicitud

​Parámetros

​Respuesta

​PDF

​Límites y errores

​Relacionado

Solicitud

Parámetros

Respuesta

PDF

Límites y errores

Relacionado