# Glossario della web reader API

> Glossario di 36 termini per leggere pagine web con un'API: Markdown, contenuto principale, rendering JavaScript, robots.txt, RAG, MCP e crediti.

- URL: https://webreaderapi.com/it/glossary/
- Ultimo aggiornamento: 2026-10-22
- Editore: WebReaderAPI (https://webreaderapi.com)

Le parole che incontri quando converti le pagine web in testo per i modelli linguistici, dal lato HTML al lato AI, con link ai punti della documentazione in cui ciascuna conta.

**Risposta rapida — Cosa significano i principali termini della web reader API?**

Una web reader API recupera una pagina, ne conserva il **contenuto principale** e lo restituisce come **Markdown** che un modello può leggere. **WebReaderAPI** aggiunge il **rendering JavaScript** quando una pagina richiede un browser, segue **robots.txt** e **Content Signals**, e addebita un **credito** per pagina, da 0,07 USD/1K pagine a ottobre 2026. I 36 termini seguenti spiegano il resto.

## Dal lato della pagina web

**HTML** — Il linguaggio di markup delle pagine web. L'HTML grezzo mescola il testo che vuoi con tag, script e stili, ed è per questo che un modello linguistico lo legge male.

**DOM** — Il Document Object Model: l'albero di elementi che un browser costruisce dall'HTML e poi modifica con JavaScript. Una pagina renderizzata viene letta dal DOM, non dall'HTML grezzo.

**Rendering JavaScript** — Eseguire gli script di una pagina in un browser così che compaia il contenuto caricato dopo la prima risposta. WebReaderAPI lo fa quando serve (`render=auto`), per due crediti invece di uno.

**Browser headless** — Un vero motore di browser che gira senza schermo, pilotato da un software. È così che le pagine piene di JavaScript vengono renderizzate su un server.

**Estrazione del contenuto principale** — Trovare la parte di una pagina per cui il lettore è arrivato, come l'articolo o la documentazione, e lasciare fuori tutto il resto. Nella nostra API è `main_content=true`, l'impostazione predefinita.

**Readability** — Sia una qualità del testo sia il nome di una nota famiglia di algoritmi che valutano i blocchi di una pagina per trovare il contenuto principale, come fanno le modalità lettura nei browser.

**Boilerplate** — Testo ripetuto su ogni pagina di un sito: menu, avvisi sui cookie, sidebar, footer, pulsanti di condivisione. Rimuoverlo è gran parte del lavoro di un web reader.

**Markdown** — Un formato di testo semplice in cui `#` indica un titolo, `-` una voce di elenco e `[text](url)` un link. I modelli lo leggono bene e usa molti meno token dell'HTML.

**Metadata** — Informazioni su una pagina anziché il suo testo: titolo, descrizione, autore, data di pubblicazione, lingua. WebReaderAPI li restituisce accanto al Markdown quando la pagina li dichiara.

**Estrazione PDF** — Convertire il testo di un file PDF in Markdown. I file PDF fino a 20 MB e 100 pagine vengono convertiti in Markdown, a 1 credito per ogni blocco di 10 pagine iniziato.

**Sitemap** — Un file XML in cui un sito elenca le sue pagine. Un crawl job parte da lì quando esiste, il che trova le pagine più in fretta e con meno richieste.

**Paywall** — Una barriera che mostra il contenuto solo agli abbonati. WebReaderAPI non legge mai dietro un paywall.

## Dal lato del crawler

**Crawler** — Un programma che scarica pagine web per uno scopo. Il nostro scarica solo le pagine richieste dai clienti, e la [pagina del bot](https://webreaderapi.com/it/bot/) lo descrive.

**User agent** — Il nome che un client invia con ogni richiesta. Il nostro è `WebReaderAPI/1.0 (+https://webreaderapi.com/bot/)`, così i proprietari dei siti sanno sempre chi sta chiedendo.

**robots.txt** — Un file alla radice di un sito che dice ai crawler quali percorsi possono scaricare, standardizzato come RFC 9309. Rispettiamo robots.txt: il nostro crawler si identifica come WebReaderAPI, segue le regole scritte per lui o per tutti i robot e non legge una pagina che un sito vieta. Le pagine rifiutate non vengono addebitate.

**Crawl-delay** — Una riga di robots.txt che chiede ai crawler di aspettare un certo numero di secondi tra le richieste. I nostri crawl job la rispettano.

**Content Signals** — Una policy per le righe di robots.txt come `Content-Signal: search=yes, ai-input=no`, che dichiarano come può essere usato il contenuto di un sito, anche dall'AI.

**ai-input** — L'impostazione di Content Signals che riguarda l'uso di una pagina come input per una risposta AI. Se un sito dichiara Content-Signal: ai-input=no nel suo robots.txt, non leggiamo le sue pagine per te.

**llms.txt** — Un file Markdown che alcuni siti pubblicano su `/llms.txt` per dare ai modelli linguistici una breve guida ai loro contenuti e alle loro pagine principali.

**Crawl** — Leggere molte pagine di uno stesso sito seguendo i suoi link e la sua sitemap. Crawling di un sito web per job, fino a 10.000 pagine, seguendo la sua sitemap, il suo robots.txt e il suo Crawl-delay.

**Batch job** — Un elenco di URL inviato in una sola richiesta ed elaborato in background. Fino a 100 URL per job batch.

**HTTP 403** — Lo stato che un server invia per rifiutare una richiesta. Quando un sito risponde 403 al nostro crawler, l'API restituisce `target_refused` e non addebita nulla.

**HTTP 429** — Lo stato per troppe richieste. Da un sito, significa rallentare; dalla nostra API (`concurrency_limit`), significa che il tuo account ha raggiunto il limite di letture simultanee.

**Backoff esponenziale** — Aspettare sempre di più dopo ogni tentativo fallito (per esempio 1, 2, poi 4 secondi) prima di riprovare, così un server occupato non viene sommerso.

## Dal lato dell'AI

**Token** — L'unità che un modello linguistico legge e in base alla quale viene fatturato, grosso modo una parola breve o parte di essa. Il Markdown pulito usa molti meno token della stessa pagina in HTML.

**Context window** — La quantità di testo che un modello può ricevere in una volta. Il parametro `max_chars` mantiene ogni pagina entro il budget che hai impostato.

**RAG** — Generazione aumentata dal recupero: il modello risponde a partire da documenti recuperati per la domanda. Un web reader fornisce quei documenti dalle pagine live.

**Chunking** — Dividere un documento lungo in passaggi prima di indicizzarlo. Le intestazioni Markdown offrono punti di divisione naturali.

**Embedding** — Una lista di numeri che rappresenta il significato di un passaggio, usata per trovare i passaggi simili a una domanda.

**Vector store** — Un database che memorizza gli embedding e restituisce i passaggi più vicini a una query, la sede abituale delle pagine web suddivise in chunk in un sistema RAG.

**Tool calling** — La capacità di un modello di chiedere all'applicazione di eseguire una funzione, come leggere un URL, e di usarne il risultato. Vedi [OpenAI function calling](https://webreaderapi.com/it/docs/openai/).

**MCP** — Il Model Context Protocol, un modo standard per collegare strumenti a client AI come Claude Desktop o Cursor. La nostra [pagina MCP](https://webreaderapi.com/it/docs/mcp/) mostra un tool di fetch costruito sull'API.

## Dal lato della fatturazione

**Credito** — L'unità di utilizzo dell'API. 1 credito = 1 pagina letta senza browser; 2 crediti quando la pagina richiede un browser per eseguire JavaScript. Una richiesta che fallisce, o che il robots.txt di un sito rifiuta, non viene addebitata.

**Concorrenza** — Quante letture può eseguire il tuo account nello stesso momento. Ogni account ha un limite di pagine lette contemporaneamente; la tua dashboard lo mostra e il supporto può aumentarlo.

**KYC** — Know your customer: i controlli di identità che alcuni servizi richiedono, come un documento d'identità o un selfie. WebReaderAPI non ne chiede nessuno.

**Stablecoin** — Una criptovaluta che segue una valuta come il dollaro USA. USDT e USDC sono le due accettate per le ricariche; la lista completa delle coin è BTC, USDT, USDC, ETH, SOL, LTC.

---

WebReaderAPI: WebReaderAPI è un'API web reader per agenti AI che converte qualsiasi pagina web pubblica in Markdown pulito, con pagamento in criptovalute e senza caricare documenti d'identità. I crediti prepagati da 0,07 USD/1K pagine non scadono mai e robots.txt viene rispettato. Senza KYC — niente documento, niente selfie, niente documenti. Paga in criptovalute.