把网页内容整理成易读文字 | TinyFish Fetch

{
  "type": "object",
  "required": [
    "body"
  ],
  "properties": {
    "body": {
      "type": "object",
      "$schema": "https://json-schema.org/draft/2020-12/schema",
      "required": [
        "urls"
      ],
      "~standard": {
        "vendor": "zod",
        "version": 1,
        "jsonSchema": {}
      },
      "properties": {
        "ttl": {
          "type": "integer",
          "maximum": 9007199254740991,
          "minimum": 0,
          "description": "缓存新鲜度容忍时间（秒）。省略表示接受任意缓存；设为 0 强制实时抓取；设为正数时仅接受不超过该秒数的缓存条目。"
        },
        "urls": {
          "type": "array",
          "items": {
            "type": "string",
            "format": "uri"
          },
          "maxItems": 10,
          "minItems": 1,
          "description": "要抓取的 1 至 10 个 http(s) URL，将并行处理。系统会拒绝私有 IP、localhost 和云元数据端点；单个 URL 失败不会导致整批失败，而会记录在 errors[] 中。"
        },
        "links": {
          "type": "boolean",
          "description": "将页面中的所有 <a href> 链接以绝对 URL 写入结果的 links 数组，默认 false。"
        },
        "format": {
          "enum": [
            "markdown",
            "html",
            "json"
          ],
          "type": "string",
          "description": "每个结果 text 的输出格式：markdown（默认，适合大模型处理）、html（清理后的语义 HTML）或 json（结构化文档树）。"
        },
        "purpose": {
          "type": "string",
          "maxLength": 2000,
          "minLength": 1,
          "description": "可选的简短任务说明，描述这些结果用于什么目标，而不是重复请求本身。TinyFish 会将其作为额外排序信号；最多 2000 个字符。"
        },
        "image_links": {
          "type": "boolean",
          "description": "将页面中的所有 <img src> 图片以绝对 URL 写入结果的 image_links 数组，默认 false。"
        },
        "if_none_match": {
          "type": "string",
          "minLength": 1,
          "description": "之前抓取该 URL 时保存的 ETag，将原样转发为 If-None-Match 请求头；仅支持单个 URL。页面未变化时返回 not_modified: true，不返回正文。"
        },
        "exclude_selectors": {
          "type": "array",
          "items": {
            "type": "string",
            "maxLength": 1000,
            "minLength": 1
          },
          "maxItems": 20,
          "minItems": 1,
          "description": "抓取前要移除的 1 至 20 个 CSS 选择器；处理顺序早于 include_selectors，因此也会清理所选区域内部内容。未匹配任何元素的选择器会被忽略。"
        },
        "if_modified_since": {
          "type": "string",
          "minLength": 1,
          "description": "之前抓取该 URL 时保存的 Last-Modified 值，将原样转发为 If-Modified-Since 请求头；仅支持单个 URL。"
        },
        "include_selectors": {
          "type": "array",
          "items": {
            "type": "string",
            "maxLength": 1000,
            "minLength": 1
          },
          "maxItems": 20,
          "minItems": 1,
          "description": "将提取范围限定为匹配任一选择器的元素（1 至 20 个），按文档顺序拼接结果，并跳过自动清理页面模板内容。部分选择器未命中仍会成功并在 unmatched_selectors 中报告；全部未命中时该 URL 失败，并返回 selector_not_matched 及 candidate_selectors 重试提示。"
        },
        "per_url_timeout_ms": {
          "type": "integer",
          "maximum": 110000,
          "minimum": 1,
          "description": "每个 URL 的墙钟时间预算（毫秒，1 至 110000）。超时的 URL 会在 errors[] 中返回 timeout 条目，其余 URL 仍会继续完成。"
        },
        "include_etag_and_last_modified": {
          "type": "boolean",
          "description": "在每个结果中返回 etag 和 last_modified，便于后续作为 if_none_match 或 if_modified_since 参数重放，默认 false。抓取服务不会代为保存这些值；请与 ttl=0 配合使用，因为校验值来自源站，命中缓存时不会返回。"
        }
      },
      "additionalProperties": false
    }
  },
  "additionalProperties": false
}