页面解析（实时）

接口说明

/v3/on_page/content_parsing/live 用于解析指定网页的页面，并返回结构化结果。输出通常：

页面中的链接 URL
锚文本
标题层级
主体文本
表格
页头 / 页脚
主题块
联系方式、评论、商品报价、评分等可识别信息
可选的 Markdown 版页面文本

请求方式

POST https://api.seermartech.cn/v3/on_page/content_parsing/live

计费说明

本接口按请求计费。费用与 Instant Pages 相同。

根据原文示例响应中的 cost: 0.000125，参考价约为：

参考价约 ¥0.0020 / 次

扣费以响应头 X-SeerMarTech-Charge-CNY 为准。

请求体格式

所有 POST 数据需使用 UTF-8 编码的 JSON，并按数组形式传：

json

[
 {
 "url": "https://www.example.com/"
 }
]

请求参数

参数名	类型	填	说明
`url`	string	是	要解析的页面 URL。示例：`https://www.fujielectric.com/`
`custom_user_agent`	string	否	自定义抓取时使用的 User-Agent。默认值：`Mozilla/5.0 (compatible; RSiteAuditor)`
`browser_preset`	string	否	浏览器屏幕参数预设，可选：`desktop`、`mobile`、`tablet`。使用该字段时无需再传 `browser_screen_width`、`browser_screen_height`、`browser_screen_scale_factor`。注意：要使用该参数，需将 `enable_javascript` 或 `enable_browser_rendering` 设为 `true`
`browser_screen_width`	integer	否	自定义浏览器屏幕宽度（像素），范围：`240` - `9999`。设置后会忽略 `browser_preset`。注意：需将 `enable_javascript` 或 `enable_browser_rendering` 设为 `true`
`browser_screen_height`	integer	否	自定义浏览器屏幕高度（像素），范围：`240` - `9999`。设置后会忽略 `browser_preset`。注意：需将 `enable_javascript` 或 `enable_browser_rendering` 设为 `true`
`browser_screen_scale_factor`	float	否	自定义屏幕缩放比，范围：`0.5` - `3`。设置后会忽略 `browser_preset`。注意：需将 `enable_javascript` 或 `enable_browser_rendering` 设为 `true`
`store_raw_html`	boolean	否	是否保存抓取页面的原始 HTML。设为 `true` 后，可通过 `/v3/on_page/raw_html/` 获取该页面 HTML。默认：`false`
`disable_cookie_popup`	boolean	否	是否禁用 Cookie 同意弹窗。默认：`false`
`accept_language`	string	否	访问网站时使用的 `Accept-Language` 请求头。支持 `xx`、`xx-XX`、`xxx-XX` 等格式。注意：如果不传，部分网站可能拒绝访问，响应中页面可能以 `"type":"broken"` 返回
`enable_javascript`	boolean	否	是否执行页面中的 JavaScript。默认：`false`。注意：启用后会产生额外费用
`enable_browser_rendering`	boolean	否	是否启用浏览器渲染模拟，用于获取 Core Web Vitals 指标（FID、CLS、LCP）。默认：`false`。启用后会加载样式、图片、字体、动画、视频等资源。同时将 `enable_javascript` 和 `load_resources` 设为 `true`。注意：启用后会产生额外费用
`enable_xhr`	boolean	否	是否页面发起 XMLHttpRequest。默认：`false`。若使用该字段，`enable_javascript`须设为 `true`
`switch_pool`	boolean	否	是否切换代理池。设为 `true` 时会使用额外代理池，有助于在高并发批量请求时减少 `rate-limit` 或 `site_unreachable` 错误
`ip_pool_for_scan`	string	否	指定抓取使用的代理池地区。可选：`us`、`de`。当页面在某些地区不可访问时，可用于降低 `site_unreachable` 错误
`markdown_view`	boolean	否	是否在响应中返回 Markdown 格式页面。设为 `true` 后，结果会出现在 `page_as_markdown` 字段中。默认：`false`

`browser_preset` 预设值说明

预设值	`browser_screen_width`	`browser_screen_height`	`browser_screen_scale_factor`
`desktop`	1920	1080	1
`mobile`	390	844	3
`tablet`	1024	1366	2

响应结构

接口返回 JSON 数据，顶层 tasks 数组。

顶层字段

字段名	类型	说明
`version`	string	当前 API 版本
`status_code`	integer	通用状态码，完整列表见 `/v3/appendix/errors`
`status_message`	string	通用状态信息，完整列表见 `/v3/appendix/errors`
`time`	string	执行耗时，单位秒
`cost`	float	本次请求总费用，单位 USD
`tasks_count`	integer	`tasks` 数组中的任务数
`tasks_error`	integer	返回错误的任务数
`tasks`	array	任务结果数组

`tasks[]` 字段

字段名	类型	说明
`id`	string	任务唯一标识，UUID 格式
`status_code`	integer	任务状态码，范围通常为 `10000-60000`，完整列表见 `/v3/appendix/errors`
`status_message`	string	任务状态信息
`time`	string	任务耗时
`cost`	float	该任务费用，单位 USD
`result_count`	integer	`result` 数组中的结果数
`path`	array	请求路径
`data`	object	与请求中提交的参数一致
`result`	array	结果数组

`result[]` 字段

字段名	类型	说明
`crawl_progress`	string	抓取进度，可选：`in_progress`、`finished`
`crawl_status`	object	抓取会话
`items_count`	integer	`items` 数组中的数
`items`	array	页面解析结果项

页面解析结果字段

items[] 中的对象类型为 content_parsing_element。

字段名	类型	说明
`type`	string	返回项类型，固定为 `content_parsing_element`
`fetch_time`	string	抓取时间，UTC 格式：`yyyy-mm-dd hh-mm-ss +00:00`
`status_code`	integer	页面 HTTP 状态码
`page_content`	object	页面解析
`page_as_markdown`	string	页面 Markdown 文本；当请求中 `markdown_view=true` 时返回

`page_content` 字段

字段名	类型	说明
`header`	object	页头解析
`footer`	object	页脚解析
`main_topic`	array	页面主主题块
`secondary_topic`	array	页面次主题块
`ratings`	array	页面上商品/的评分信息
`offers`	array	页面上的商品报价信息
`comments`	array	页面中的评论信息
`contacts`	object	页面中的联系方式

##块结构

以下结构会在 header、footer、main_topic、secondary_topic 等字段中重复出现。

通用区块

字段名	类型	说明
`primary_content`	array	页面主
`secondary_content`	array	页面次
`table_content`	array	页面中的表格

`primary_content[]` / `secondary_content[]`

字段名	类型	说明
`text`	string	文本
`url`	string	若该文本为链接锚文本，则返回对应页面 URL
`urls`	array	当前中识别出的链接及锚文本

`urls[]`

字段名	类型	说明
`url`	string	识别出的链接 URL
`anchor_text`	string	该链接的锚文本

表格结构

table_content[] 用于表示页面中的表格。

字段名	类型	说明
`header`	array	表头
`body`	array	表格主体
`footer`	array	表尾

行单格结构

header、body、footer 中各行均 row_cells：

字段名	类型	说明
`row_cells`	array	当前行的单格数组

`row_cells[]`

字段名	类型	说明
`text`	string	单格文本
`urls`	array	单格中识别出的链接及锚文本
`is_header`	boolean	是否属于表头单格

主题块结构

main_topic[] 和 secondary_topic[] 中的对象通常以下字段：

字段名	类型	说明
`h_title`	string	Meta Title
`main_title`	string	当前块主标题
`author`	string
`language`	string	语言
`level`	string	HTML 层级
`primary_content`	array	该主题块主
`secondary_content`	array	该主题块次
`table_content`	array	该主题块中的表格

评分信息结构

ratings[] 返回页面中展示的评分信息。

字段名	类型	说明
`name`	string	评分名称。注意：该对象中此字段固定为 `null`
`rating_value`	integer	当前评分值
`max_rating_value`	integer	最大评分值
`rating_count`	integer	评价数量
`relative_rating`	float	相对评分，范围 `0` 到 `1`

商品报价结构

offers[] 返回页面中识别出的商品信息。

字段名	类型	说明
`name`	string	商品名称
`price`	integer	商品价格
`price_currency`	string	价格币种
`price_valid_until`	integer	价格有效期截止时间，UTC 格式：`yyyy-mm-dd hh-mm-ss +00:00`

评论结构

comments[] 返回页面中的评论。

字段名	类型	说明
`rating`	object	评论对应评分
`title`	string	评论标题
`publish_date`	string	评论发布时间
`author`	string	评论
`primary_content`	array	评论正文主

`comments[].rating`

字段名	类型	说明
`name`	string	评分名称。注意：该字段固定为 `null`
`rating_value`	integer	评分值
`max_rating_value`	integer	最大评分值
`rating_count`	integer	反馈数量。注意：该字段在此对象中固定为 `null`
`relative rating`	float	相对评分，范围 `0` 到 `1`

联系方式结构

contacts含页面中的联系信息。

字段名	类型	说明
`telephones`	array	电话号码列表
`emails`	array	邮箱列表

请求示例

cURL

bash

curl --location --request POST "https://api.seermartech.cn/v3/on_page/content_parsing/live" \
--header "Authorization: Bearer smt_live_YOUR_KEY" \
--header "Content-Type: application/json" \
--data-raw '[
 {
 "url": "https://example.com/article",
 "markdown_view": true
 }
]'

Python

python

import requests

url = "https://api.seermartech.cn/v3/on_page/content_parsing/live"
headers = {
 "Authorization": "Bearer smt_live_YOUR_KEY",
 "Content-Type": "application/json"
}
data = [
 {
 "url": "https://example.com/article",
 "markdown_view": True
 }
]

response = requests.post(url, headers=headers, json=data)
print(response.json)

TypeScript

typescript

import axios from "axios";

const postData = [
 {
 url: "https://example.com/article",
 markdown_view: true
 }
];

axios({
 method: "post",
 url: "https://api.seermartech.cn/v3/on_page/content_parsing/live",
 headers: {
 Authorization: "Bearer smt_live_YOUR_KEY",
 "Content-Type": "application/json"
 },
 data: postData
})
 .then((response) => {
 // 输出解析结果
 console.log(response.data);
 })
 .catch((error) => {
 console.error(error);
 });

响应示例

以下为精简后的响应结构示例：

json

{
 "version": "0.1.20250526",
 "status_code": 20000,
 "status_message": "Ok.",
 "time": "0.2489 sec.",
 "cost": 0.000125,
 "tasks_count": 1,
 "tasks_error": 0,
 "tasks": [
 {
 "id": "xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxx",
 "status_code": 20000,
 "status_message": "Ok.",
 "time": "0.2311 sec.",
 "cost": 0.000125,
 "result_count": 1,
 "path": [
 "v3",
 "on_page",
 "content_parsing",
 "live"
 ],
 "data": {
 "api": "on_page",
 "function": "content_parsing",
 "url": "https://example.com/article",
 "markdown_view": true
 },
 "result": [
 {
 "crawl_progress": "finished",
 "crawl_status": {},
 "items_count": 1,
 "items": [
 {
 "type": "content_parsing_element",
 "fetch_time": "2022-11-01 10:02:52 +00:00",
 "status_code": 200,
 "page_content": {
 "header": {
 "primary_content": [],
 "secondary_content": [],
 "table_content": null
 },
 "footer": {
 "primary_content": null,
 "secondary_content": [],
 "table_content": null
 },
 "main_topic": [
 {
 "h_title": "示例页面标题",
 "main_title": "示例文章主标题",
 "author": "名",
 "language": "en",
 "level": 1,
 "primary_content": [
 {
 "text": "正文示例",
 "url": null,
 "urls": null
 }
 ],
 "secondary_content": null,
 "table_content": null
 }
 ],
 "secondary_topic": [],
 "ratings": null,
 "offers": null,
 "comments": null,
 "contacts": {
 "telephones": [],
 "emails": []
 }
 },
 "page_as_markdown": "# 示例文章主标题\n\n正文示例"
 }
 ]
 }
 ]
 }
 ]
}

错误处理

顶层 status_code 表示接口整体执行状态
tasks[].status_code 表示单个任务执行状态
建议同时处理接口级与任务级错误
完整错误码与状态信息请参考：/v3/appendix/errors

常见异常场景

场景	说明
`rate-limit`	同时提交大量任务时可能触发频率限制
`site_unreachable`	目标站点不可访问，可能与地区、代理池或网站防护
页面返回 `"type":"broken"`	某些站点在未设置 `accept_language` 时会拒绝访问

使用建议

需要拿到渲染后时，优开启 enable_javascript
需要模拟真实设备视口时，使用 browser_preset 或自定义 browser_screen_*
页面依赖异步请求时，可启用 enable_xhr
需要下游做文本处理或知识抽取时，建议同时开启 markdown_view
访问受地区限制的页面时，尝试切换 ip_pool_for_scan

实用场景

提取正文结构：解析文章页、博客页、落地页的主与次，便于做 SEO审计、正文抽取和知识库。
识别站链接布局：抓取页面中的链接、锚文本与块 URL，用于分析链结构、导航分布和锚文本优化机会。
抽取表格信息：获取页面中的表格表头、单格和链接，便于监控产品参数页、价格页或数据报告页中的结构化信息。
采集商品与评价信息：识别报价、评分、评论和联系方式，可用于电商 SEO、品牌监测和竞品页面信息汇总。
生成 Markdown源：直接返回 page_as_markdown，方便接 RAG、归档、AI 摘要、页面比对等文本处理流程。

页面解析（实时） ​

接口说明 ​

请求方式 ​

计费说明 ​

请求体格式 ​

请求参数 ​

browser_preset 预设值说明 ​

响应结构 ​

顶层字段 ​

tasks[] 字段 ​

result[] 字段 ​

页面解析结果字段 ​

page_content 字段 ​

通用区块 ​

primary_content[] / secondary_content[] ​

urls[] ​

表格结构 ​

行单格结构 ​

row_cells[] ​

主题块结构 ​

评分信息结构 ​

商品报价结构 ​

评论结构 ​

comments[].rating ​

联系方式结构 ​

请求示例 ​

cURL ​

Python ​

TypeScript ​

响应示例 ​

错误处理 ​

常见异常场景 ​