Cheerio: извлечение элементов без браузера

POST /v1/browser/cheerio загружает страницу обычным HTTP-запросом и разбирает HTML библиотекой cheerio — без запуска браузера. Запрос и ответ устроены так же, как у Scrape, но вызов выполняется за доли секунды и стоит дешевле. Подходит для страниц, где нужная разметка есть в исходном HTML: серверный рендеринг, статические сайты, большинство интернет-магазинов и блогов.

Запрос

curl -X POST "https://proxy.seyka.ru/v1/browser/cheerio" \
  -H "Authorization: Bearer $SEYKA_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "url": "https://example.com",
    "elements": [{"selector": "title"}, {"selector": "h1"}, {"selector": "a[href]"}]
  }'

Параметр	Тип	По умолчанию	Описание
`elements`	`array`	—	обязательный, минимум один объект `{"selector": "…"}`
`url`	`string`	—	адрес страницы; передаётся `url` или `html`, но не оба
`html`	`string`	—	готовая разметка для разбора — без сетевого запроса
`headers`	`object`	—	дополнительные HTTP-заголовки запроса к сайту, например `{"Accept-Language": "ru-RU"}`
`timeout`	`integer`	`30000`	таймаут загрузки в мс, 1000–60000
`allowInsecureTLS`	`boolean`	`false`	загрузить сайт с недействительным сертификатом

Параметры браузера — viewport, waitForSelector, cookies и другие — здесь не используются и игнорируются.

Ответ

{
  "data": [
    {
      "selector": "h1",
      "results": [
        {
          "html": "Example Domain",
          "text": "Example Domain",
          "attributes": []
        }
      ]
    }
  ],
  "meta": {
    "requestedUrl": "https://example.com/",
    "finalUrl": "https://example.com/",
    "status": 200,
    "redirected": false,
    "redirectChain": []
  }
}

Поле	Описание
`data[].results[].html`	внутренний HTML элемента
`data[].results[].text`	текстовое содержимое
`data[].results[].attributes`	все атрибуты, массив `{name, value}`
`meta`	только для `url`: исходный и конечный адрес, код сайта, цепочка редиректов (`from`, `to`, `status`) и `botProtection`, если по пути была пройдена антибот-проверка с куки

Координат элементов (width, height, top, left) нет — без браузера страница не отрисовывается.

Заголовки ответа: X-Response-Code — код сайта, X-Response-URL — конечный адрес, X-Response-Redirected — true, если были редиректы.

Что важно знать

Только HTML. Принимаются ответы text/html и application/xhtml+xml. Без Content-Type или с application/octet-stream решает расширение адреса: .html и .htm принимаются, .json, .xml, .txt, .pdf и подобные отклоняются; адрес без расширения без Content-Type читается как HTML, с octet-stream — отклоняется. Тип берётся из первого значения заголовка: склеенный application/json, text/html отклоняется. Для JSON, XML, текста и PDF используйте Smart Scrape.
Кодировка. Тело декодируется по объявленной кодировке — заголовок, затем <meta charset>, иначе UTF-8, — поэтому сайты в windows-1251 читаются корректно.
Размер. Читается не больше 4 МиБ; страница крупнее завершает вызов ошибкой.
Редиректы проходятся вручную: не больше 10 запросов, то есть не больше 9 редиректов, с проверкой каждого адреса на внутренние сети.
Общий кэш документов со Smart Scrape. Если в запросе нет headers и allowInsecureTLS, недавно загруженная страница может быть взята из общего кэша документов, а свежезагруженная — попасть в него.
Скрипты и стили не видны. В таком запросе успешно загруженный HTML перед разбором очищается так же, как в Smart Scrape: script, style, noscript, template, iframe и обработчики событий удаляются. Если нужны именно они — например, JSON-LD в script[type="application/ld+json"], — используйте Scrape или SEO-формат Smart Scrape, который отдаёт JSON-LD готовым.

Ошибки загрузки — JSON с error, errorKind и code, см. ошибки Browser API.

Цена

Каждый вызов оплачивается по цене Cheerio — одной из самых низких в Browser API; кэша ответов нет (X-Cache: DISABLED). Цены — в таблице цен.