# 什么是网页读取 API？输入 URL，输出可读的 Markdown

> 网页读取 API 的作用：输入一个 URL，页面的主要内容以干净的 Markdown 输出，供 LLM 使用。它与网页抓取及搜索 API 有何不同。

- URL: https://webreaderapi.com/zh/guides/what-is-a-web-reader-api/
- 最后更新: 2026-10-22
- 发布者: WebReaderAPI (https://webreaderapi.com)

网页读取 API 把为人类阅读而设计的页面转换成模型可用的文本。本指南逐步说明它的作用、它与网页抓取 API 和搜索 API 的关系，以及市场如何定价。

**快速回答 — 什么是网页读取 API？**

网页读取 API 是一种服务：接收一个 URL，加载页面，并返回其正文内容为干净的文本（通常是 Markdown），附带标题、作者和日期等元数据。AI agent 和 RAG pipeline 用它来替代原始 HTML。**WebReaderAPI** 就是其中之一：每页消耗 1 积分，截至 2026 年 10 月价格自 US$0.07/千页 起，遵守 robots.txt，无需 KYC，支持加密货币支付。

## 网页读取 API 一览表

| 属性 | 值 |
| --- | --- |
| 输入 | 公开网页或 PDF 的 URL |
| 输出 | 正文内容的 Markdown 或纯文本，附带标题、作者、日期和语言 |
| 移除内容 | 导航、cookie 横幅、广告、侧边栏、页脚、脚本和样式 |
| JavaScript 页面 | 当原始 HTML 文本过少时，用无头浏览器进行渲染 |
| 常见计费方式 | 按页或按积分计费；部分服务商按输出的 token 计费 |
| 请求示例 | `GET https://webreaderapi.com/api/v1/read?url=https://example.com/post` |

## 网页读取 API 具体分几步完成什么工作？

它在一次调用中完成每个页面转文本 pipeline 都需要的五项工作：

1. **检查许可。** 谨慎的读取器在抓取任何内容之前，会先查看该站点 robots.txt 中针对自身名称和所有爬虫的规则。
2. **抓取页面。** 下载 HTML，跟随重定向，并在超时后停止。
3. **按需渲染。** 如果 HTML 只是由 JavaScript 填充的空壳，它在无头浏览器中加载页面并读取结果。
4. **提取正文。** 一个类似 readability 的步骤找出文章或文档正文，并丢弃周围与正文无关的页面元素。
5. **转换与描述。** 将内容写为 Markdown，并添加元数据：标题、作者、发布日期、语言和字数。

调用方会得到一个包含 Markdown 的 JSON 对象。模型可以直接读取，pipeline 也可以将其切分为多个块存入向量数据库。

## 为什么模型需要 Markdown 而不是 HTML？

因为 HTML 页面的大部分内容并非正文。菜单、script 标签、跟踪代码和布局标记会消耗模型必须读取、而你需要付费的 token。Markdown 保留了承载意义的部分：标题、列表、表格、链接和强调。

Cloudflare 在 2026 年 2 月 12 日推出“Markdown for Agents”功能时给出了一个具体例子：一个页面的 token 从 HTML 的 16,180 个减少到 Markdown 的 3,150 个，约减少 80%。结果因页面而异，但大多数文章和文档页面的趋势是一致的。

## 网页读取 API 与网页抓取 API 有何不同？

网页抓取 API 返回服务器发送的内容；读取器返回的是用户会读到的东西。网页抓取 API 为大规模抓取页面而构建，通常用于提取价格或产品名称等特定字段，通常返回原始 HTML 或你定义的结构化 JSON。

网页读取器范围更窄、更有主见。它决定什么是正文，移除其余部分并输出干净的文本。当下一个消费者是语言模型、搜索索引或阅读摘要的人时，这是合适的工具。当你需要产品网格的每个字段时，它就不合适了；那种情况你需要完整 HTML 或基于 schema 的提取。

## 它与搜索 API 有何不同？

搜索 API 回答“哪些页面谈到这个？”；读取器回答“这个页面说了什么？”。搜索针对一个查询返回带标题和摘要的 URL 列表。读取器接收其中一个 URL 并返回其全文。

Agent 经常把两者串联起来：先用搜索找到候选页面，然后读取最好的三四个页面并带引用作答。将步骤分开可以让你选择读取多少页面，从而节省 token 和积分。

## 我可以用开源工具代替 API 吗？

可以，许多团队就是这样起步的。Mozilla 的 Readability 在浏览器环境中提取页面正文；Trafilatura 在 Python 中做提取；Microsoft 的 MarkItDown 将包括 PDF 在内的文档转换为 Markdown；Crawl4AI 结合了整站抓取 (crawl) 和 Markdown 输出。

库只是简单的一部分。在生产环境中运行它意味着要为 JavaScript 页面托管无头浏览器、检查 robots.txt、处理超时、重定向和字符集、转换 PDF，并保持所有部分都已打补丁。当你宁愿按页付费也不愿运行这套机制时，API 值得；当流量稳定且你有时间运维时，库值得。

## 网页读取 API 如何计费？

2026 年常见三种计费模式。基于积分（credit）的方案每页收取固定数量的积分：Firecrawl 的定价页（2026 年 10 月 22 日查看）计算为每抓取一页 1 积分，使用其 JSON 格式每页另加 4 积分。按 token 计费对返回的文本收费：Jina Reader 自 2025 年 5 月 6 日起采用这种计费方式，并为每个新密钥提供 1000 万免费 token。月度方案在每个周期重置积分，而预付包则保留积分。

WebReaderAPI 使用永不过期的预付积分：1 积分 = 读取 1 个页面且无需浏览器；当页面需要浏览器渲染 JavaScript 时为 2 积分。失败的请求，或被网站 robots.txt 拒绝的请求，不扣费。截至 2026 年 10 月，10,000 个网页 花费 US$3.75，在 5,000,000 个网页 时费率降至 US$0.07/千页。

## 选择网页读取 API 之前应该检查什么？

用你自己的二十个 URL 测试它，并关注六点：

- **提取质量。** Markdown 是否保留文章并丢弃其余部分，包括表格和代码块？
- **JavaScript。** 在浏览器中构建的页面是否返回文本，渲染成本是多少？
- **PDF。** 是否支持，页面如何计数？
- **站点所有者的选择。** 服务是否遵守 robots.txt 和声明的 AI 偏好，并在文档中说明？
- **失败情况。** 失败和被拒绝的页面是否收费？
- **预算控制。** 你能限制每个页面的长度吗，积分会过期吗？

我们的[网页读取 API 价格对比](https://webreaderapi.com/zh/compare/web-reader-api-pricing/) 将主要服务商并列展示，并附有日期。

## 网页读取 API：常见问题

### 网页读取 API 和浏览器的阅读模式一样吗？

它遵循同样的思路，保留文章并丢弃杂项，但它在服务器上运行，以 JSON 返回 Markdown 和元数据，并适用于成千上万个 URL。阅读模式是供一个人阅读一个页面用的。

### 网页读取 API 能读取任何网站吗？

不会。它读取的是允许被读取的公开页面。一个严谨的服务会跳过 robots.txt 禁止访问的页面，并在站点拒绝时返回站点给出的答复。登录后或付费墙后的页面按设计无法访问。

### 网页阅读器会保留图片吗？

通常默认不会，因为模型主要需要文字。使用 WebReaderAPI 时，`include_images=true` 会将图片保留为带 alt 文本的 Markdown 图片链接。

### 读取一个页面需要多长时间？

这取决于站点以及页面是否需要使用浏览器。在我们于公开样本上实测之前，不会公布响应时间；请围绕 `timeout` 参数规划超时，该参数最高为 60 秒。

### 使用 WebReaderAPI 需要带 ID 的账户吗？

不需要。WebReaderAPI 不要求 ID、不要求自拍、不要求任何证件。你的登录名是账户编号，并使用 BTC, USDT, USDC, ETH, SOL, LTC 付款。

## 来源

1. [推出面向 agent 的 Markdown](https://blog.cloudflare.com/markdown-for-agents/) — Cloudflare (2026-02-12)
2. [Firecrawl 定价](https://www.firecrawl.dev/pricing) — Firecrawl (read 2026-10-22)
3. [阅读器 API](https://jina.ai/reader/) — Jina AI (Elastic) (read 2026-10-22)

---

WebReaderAPI: WebReaderAPI 是一款面向 AI agents 的网页读取 API，可将任何公开网页转换为干净的 Markdown，用加密货币支付，无需上传身份证件。预付费积分低至 US$0.07/千页，永不过期，且遵守 robots.txt。无需 KYC — 无身份证、无自拍、无证件。加密货币支付。