Câu trả lời nhanh
Web reader API là gì?
Web reader API là dịch vụ nhận một URL, tải trang và trả về nội dung chính dưới dạng văn bản sạch, thường là Markdown, kèm metadata như tiêu đề, tác giả và ngày. AI agent và pipeline RAG dùng nó thay cho HTML thô. WebReaderAPI là một dịch vụ như vậy: một credit mỗi trang, từ 0,07 US$/1K trang tính đến tháng 10 năm 2026, có tôn trọng robots.txt, không cần KYC và thanh toán bằng crypto.
Web reader API trong một bảng
| Đầu vào | URL của một trang web công khai hoặc PDF |
|---|---|
| Đầu ra | Markdown của nội dung chính, hoặc văn bản thuần, kèm tiêu đề, tác giả, ngày và ngôn ngữ |
| Đã loại bỏ | Điều hướng, banner cookie, quảng cáo, thanh bên, footer, script và style |
| Trang có JavaScript | Được render trong trình duyệt headless khi HTML thô chứa quá ít văn bản |
| Cách tính phí điển hình | Theo trang hoặc theo credit; một số nhà cung cấp tính theo token đầu ra |
| Ví dụ yêu cầu | GET https://webreaderapi.com/api/v1/read?url=https://example.com/post |
Web reader API làm gì, từng bước một?
Nó thực hiện năm việc mà mọi pipeline chuyển trang thành văn bản đều cần, trong một lần gọi:
- Kiểm tra quyền. Một reader cẩn thận xem robots.txt của site cho tên của chính nó và cho tất cả robot trước khi tải bất cứ thứ gì.
- Tải trang. Nó tải HTML, theo các chuyển hướng và dừng khi hết thời gian chờ.
- Render khi cần. Nếu HTML chỉ là một vỏ rỗng được JavaScript đổ đầy, nó tải trang trong trình duyệt headless và đọc kết quả.
- Trích xuất nội dung chính. Một bước kiểu readability tìm bài viết hoặc phần thân tài liệu và bỏ đi các phần trang trí xung quanh.
- Chuyển đổi và mô tả. Nó ghi nội dung dưới dạng Markdown và thêm metadata: tiêu đề, tác giả, ngày xuất bản, ngôn ngữ và số từ.
Bên gọi nhận được một object JSON chứa Markdown. Model có thể đọc ngay, hoặc pipeline có thể chia nhỏ thành các đoạn cho vector store.
Vì sao model cần Markdown thay vì HTML?
Vì phần lớn một trang HTML không phải là nội dung. Menu, thẻ script, mã theo dõi và markup bố cục dùng những token mà model phải đọc và bạn phải trả tiền cho chúng. Markdown giữ lại những phần mang ý nghĩa: tiêu đề, danh sách, bảng, liên kết và nhấn mạnh.
Cloudflare đưa ra một ví dụ cụ thể khi ra mắt tính năng "Markdown for Agents" vào ngày 12 tháng 2 năm 2026: một trang giảm từ 16.180 token dạng HTML xuống 3.150 token dạng Markdown, ít hơn khoảng 80%. Kết quả thay đổi tùy trang, nhưng xu hướng là như nhau trên hầu hết các trang bài viết và tài liệu.
Web reader API khác gì API web scraping?
API web scraping trả về những gì server gửi; reader trả về những gì một người sẽ đọc. API web scraping được xây dựng để tải trang với quy mô lớn, thường để lấy các trường cụ thể như giá hoặc tên sản phẩm, và thường trả về HTML thô hoặc JSON có cấu trúc do bạn định nghĩa.
Web reader thì hẹp hơn và có quan điểm rõ ràng hơn. Nó quyết định đâu là nội dung chính, loại bỏ phần còn lại và ghi ra văn bản sạch. Đó là công cụ đúng khi bên tiêu thụ tiếp theo là một language model, một chỉ mục tìm kiếm hoặc một người đọc bản tóm tắt. Đó là công cụ sai khi bạn cần mọi trường của một lưới sản phẩm; với việc đó bạn muốn toàn bộ HTML hoặc trích xuất theo schema.
Nó khác gì SERP API?
SERP API trả lời "những trang nào nói về điều này?"; reader trả lời "trang này nói gì?". Tìm kiếm trả về danh sách URL kèm tiêu đề và snippet cho một truy vấn. Reader nhận một trong các URL đó và trả về toàn văn của nó.
Agent thường nối hai bước: tìm kiếm để tìm các trang ứng viên, rồi đọc ba hoặc bốn trang tốt nhất để trả lời kèm trích dẫn. Giữ các bước tách riêng cho phép bạn chọn đọc bao nhiêu trang, tiết kiệm token và credit.
Tôi có thể tự chạy công cụ mã nguồn mở thay vì dùng API không?
Có, và nhiều đội bắt đầu theo cách đó. Readability của Mozilla trích xuất nội dung chính của một trang trong ngữ cảnh trình duyệt; Trafilatura làm việc trích xuất bằng Python; MarkItDown của Microsoft chuyển đổi tài liệu, kể cả PDF, sang Markdown; Crawl4AI kết hợp crawl và đầu ra Markdown.
Thư viện là phần dễ. Chạy nó trong môi trường production nghĩa là phải host trình duyệt headless cho các trang JavaScript, kiểm tra robots.txt, xử lý timeout, chuyển hướng và bảng mã ký tự, chuyển đổi PDF, và giữ tất cả được vá lỗi. API đáng dùng khi bạn thà trả theo trang còn hơn vận hành bộ máy đó; thư viện đáng dùng khi lưu lượng ổn định và bạn có thời gian để vận hành.
Các web reader API tính phí thế nào?
Ba mô hình tính phí phổ biến vào năm 2026. Gói theo credit tính một số credit cố định mỗi trang: trang giá của Firecrawl, đọc ngày 22 tháng 10 năm 2026, tính 1 credit mỗi trang scrape và thêm 4 credit mỗi trang cho định dạng JSON. Tính phí theo token tính theo văn bản trả về: Jina Reader đã tính theo cách này từ ngày 6 tháng 5 năm 2025 và tặng 10 triệu token miễn phí cho mỗi khóa mới. Gói hàng tháng làm mới credit mỗi chu kỳ, còn pack trả trước thì giữ nguyên.
WebReaderAPI dùng credit trả trước không hết hạn: 1 credit = đọc 1 trang không cần trình duyệt; 2 credit khi trang cần trình duyệt để render JavaScript. Yêu cầu thất bại, hoặc bị robots.txt của trang web từ chối, không bị tính phí. 10.000 trang tốn 3,75 US$ và mức giá giảm còn 0,07 US$/1K trang khi mua 5.000.000 trang, tính đến tháng 10 năm 2026.
Tôi nên kiểm tra gì trước khi chọn một web reader API?
Hãy thử nó trên hai mươi URL của chính bạn và xem sáu điều:
- Chất lượng trích xuất. Markdown có giữ bài viết và bỏ phần còn lại không, kể cả bảng và khối code?
- JavaScript. Các trang dựng trong trình duyệt có trả về văn bản không, và render tốn bao nhiêu?
- PDF. Có hỗ trợ không, và các trang được tính như thế nào?
- Lựa chọn của chủ site. Dịch vụ có tôn trọng robots.txt và các tùy chọn AI đã khai báo không, và có nói rõ trong tài liệu không?
- Thất bại. Các trang lỗi và bị từ chối có bị tính phí không?
- Kiểm soát ngân sách. Bạn có thể giới hạn độ dài mỗi trang không, và credit có hết hạn không?
So sánh giá web reader API của chúng tôi đặt các nhà cung cấp chính cạnh nhau kèm ngày kiểm tra.
Web reader API: các câu hỏi thường gặp
Web reader API có giống chế độ reader của trình duyệt không?
Nó theo cùng ý tưởng, giữ bài viết và bỏ phần rối mắt, nhưng nó chạy trên server, trả về Markdown và metadata dưới dạng JSON, và hoạt động với hàng nghìn URL. Chế độ reader dành cho một người đọc một trang.
Web reader API có đọc được bất kỳ website nào không?
Không. Dịch vụ chỉ đọc các trang công khai cho phép. Một dịch vụ cẩn thận sẽ bỏ qua các trang bị robots.txt cấm và trả về câu trả lời của trang web khi trang từ chối. Các trang nằm sau đăng nhập hoặc paywall thì không thể truy cập được theo thiết kế.
Trình đọc web có giữ lại hình ảnh không?
Thường thì không, theo mặc định, vì các mô hình chủ yếu cần văn bản. Với WebReaderAPI, include_images=true giữ hình ảnh dưới dạng liên kết ảnh Markdown kèm alt text.
Đọc một trang mất bao lâu?
Điều này phụ thuộc vào trang web và vào việc trang đó có cần trình duyệt hay không. Chúng tôi không công bố thời gian phản hồi cho tới khi đo được trên một mẫu công khai; hãy lên kế hoạch timeout quanh tham số timeout, tối đa 60 giây.
Tôi có cần tài khoản có ID để dùng WebReaderAPI không?
Không. WebReaderAPI không yêu cầu ID, không selfie và không giấy tờ. Đăng nhập của bạn là một số tài khoản, và thanh toán bằng BTC, USDT, USDC, ETH, SOL, LTC.
Nguồn (3)
- Giới thiệu Markdown for Agents — Cloudflare (2026-02-12)
- Giá Firecrawl — Firecrawl (read 2026-10-22)
- Reader API — Jina AI (Elastic) (read 2026-10-22)