Thunderbit Open API home page
SoporteConsola API
Extract

Extracción Estructurada con IA

POST
/extract
Extracción Estructurada con IA

Extrae datos estructurados de páginas web usando IA. Define tu estructura de salida deseada con JSON Schema, y nuestra IA extraerá la información inteligentemente.

Casos de Uso:

  • Extraer información de productos de páginas de comercio electrónico
  • Parsear listados de empleo a formato estructurado
  • Extraer información de contacto y detalles de negocios
  • Convertir artículos de noticias a datos estructurados
  • Extraer tablas de precios y especificaciones

Cómo Funciona:

  1. Proporciona una URL y un JSON Schema definiendo tu estructura deseada
  2. Nuestra IA analiza el contenido de la página
  3. Extrae datos que coinciden con tu esquema
  4. Devuelve salida JSON validada

Definición de Schema:

Usa JSON Schema para definir tu estructura de salida deseada:

  • Tipos de campo: string, number, boolean, array, object
  • Descripciones de campo: Ayudan a la IA a entender qué extraer
  • Campos requeridos: Marca campos críticos como requeridos
  • Estructuras anidadas: Soporte para datos complejos y anidados

Ejemplo de Schema:

{
  "type": "object",
  "properties": {
    "title": {
      "type": "string",
      "description": "Nombre o título del producto"
    },
    "price": {
      "type": "number",
      "description": "Precio actual en USD"
    },
    "availability": {
      "type": "boolean",
      "description": "Si el producto está en stock"
    },
    "features": {
      "type": "array",
      "items": {"type": "string"},
      "description": "Lista de características principales del producto"
    }
  },
  "required": ["title", "price"]
}

Autorización

YOUR_API_KEY
AutorizaciónBearer <token>

Obtén tu API key del Thunderbit Dashboard. Formato del encabezado: Authorization: Bearer YOUR_API_KEY

En: header

Cuerpo

application/json

TypeScript Definitions

Use the request body type in TypeScript.

url*stringrequerido

La URL de la página web de la cual extraer datos

Ejemplo:https://thunderbit.com/playground
schemaobject

JSON Schema. Opcional: si se omite, Thunderbit genera automáticamente un esquema a partir del contenido de la página.

Ejemplo:
{
  "type": "object",
  "properties": {
    "name": {
      "type": "string",
      "description": "Product name"
    },
    "price": {
      "type": "number",
      "description": "Product price"
    },
    "currency": {
      "type": "string",
      "description": "Currency unit"
    }
  },
  "required": [
    "name",
    "price"
  ]
}
timeoutnumberpredeterminado:60000

Tiempo de espera de solicitud en milisegundos, predeterminado 30000

Rango requerido:5000 <= x <= 120000
Ejemplo:
60000
waitFornumberpredeterminado:0

Tiempo de espera (en milisegundos) después de la carga de la página para que se renderice el contenido dinámico (predeterminado: 0, máx: 10000)

Rango requerido:0 <= x <= 10000
Ejemplo:
2000
renderModestringpredeterminado:"none"

Modo de renderizado JavaScript. none = sin renderizado JS (predeterminado); basic = renderizado estándar; full = espera extendida para contenido dinámico

Valor en"none" | "basic" | "full"
formatsany[]

Formatos de salida (misma estructura que el array formats de Distill).

Ejemplo:
[
  "markdown",
  "links",
  "images"
]

Respuesta

application/json

Success response

successboolean
Ejemplo:
true
dataobject
Mostrar atributos hijos
urlstring
Ejemplo:https://thunderbit.com/playground
dataobject[]

Extracted structured data matching your schema, returned as an array where each item is a key-value map

Ejemplo:
[
  {
    "name": "iPhone 15 Pro",
    "price": 999,
    "currency": "USD",
    "availability": true,
    "rating": 4.7,
    "features": [
      "A17 Pro chip with 6-core GPU",
      "Pro camera system with 48MP main camera",
      "Titanium design with textured matte glass"
    ]
  }
]
linksobject[]

Enlaces extraídos de la página.

Mostrar atributos hijos
textstring

Visible link text.

Ejemplo:Read more
hrefstring

Resolved absolute URL.

Ejemplo:https://example.com/article
imagesobject[]

Imágenes extraídas de la página.

Mostrar atributos hijos
srcstring

Image source URL.

Ejemplo:https://example.com/hero.png
altstring

Image alt text.

Ejemplo:Hero banner
widthinteger

Image width in pixels.

heightinteger

Image height in pixels.

summarystring

Resumen de la página (formato LLM).

answerstring

Respuesta a la pregunta proporcionada en el formato question.

highlightsstring[]

Pasajes destacados.

metadataobject
Mostrar atributos hijos
titlestring

Page title extracted from tag or Open Graph

Ejemplo:iPhone 15 Pro - Apple
descriptionstring

Meta description or excerpt

Ejemplo:The ultimate iPhone with A17 Pro chip.
languagestring

Detected language code (ISO 639-1)

Ejemplo:en
authorstring

Article author if available

Ejemplo:
null
publishedDatestring

Publication date if available

Ejemplo:
null
imagestring

Featured image URL from Open Graph or Twitter Card

Ejemplo:https://example.com/product/iphone-15-pro.jpg
sourceURLstring

URL de origen

Ejemplo:https://example.com/product/iphone-15-pro
statusCodeinteger

Código de estado HTTP

Ejemplo:
200
contentLengthinteger

Length of the markdown content in characters

Ejemplo:
5000