WEB_CRAWL は開始アドレスからサイトのリンクを幅優先でたどり、各ページを WEB_SCRAPE と同じように読みます。すべてのページのMarkdown、メタデータ、画像を1つの結果で受け取れます。
リクエスト
パラメータ
クロールがたどるのは、サイト内にとどまり(
www. の有無は問いません)、パスパターンに合い、ファイルではなくWebページを指し(PDF、画像、アーカイブなどのファイルは飛ばします)、サイトの robots.txt がすべてのクローラーに許可しているリンクです。
レスポンス
例:クレジット
送信時、タスクはmaxPages の1ページにつき1クレジットを確保します(上の例では25クレジット)。完了時に pages のページごとに1クレジットを課金し、残りの確保分は解放します。failed のページは課金されません。25ページ中3ページを返したクロールは3クレジットです。確保の仕組みはクレジットと制限を参照してください。
制限とエラー
- 開始ページを読めない場合、タスクは
PAGE_UNAVAILABLEで失敗します。それ以外の読めないページはfailedに入り、クロールは続きます。 - 不正なオプションは、フィールドを示した
422 VALIDATION_ERRORを返します。 WEB_CRAWLはmarkdown、rawResponse、searchQueriesを無視します。htmlとanalysisは422、citationAnalysisは400で拒否します。未対応のフラグを参照してください。- その他のリクエストエラーはエラーに記載しています。