Extract

Lee una página web pública y devuelve algo que un programa pueda usar: Markdown sin navegación ni contenido accesorio, o un objeto tipado con la forma que tú defines. Las páginas que se construyen en el navegador se resuelven con effort: max. Ambos endpoints comparten las mismas opciones de página.

Campo	Tipo	Notas
`effort`	enum	`min`, `standard` o `max`. Por defecto `standard`. `min` es el más rápido; `max` resuelve páginas que se construyen en el navegador.
`country`	string	Código ISO 3166-1 alfa-2 (p. ej. `CO`) para páginas que sirven contenido distinto según el país. Omítelo para la ruta por defecto.

Página como Markdown

POST /global/extract/markdown/v1

Campo	Tipo	Notas
`url`	string	Obligatorio. URL pública http o https. Las direcciones de loopback y privadas se rechazan.
`scope`	enum	`main` conserva el cuerpo del artículo y descarta la navegación; `full` conserva la página completa. Por defecto `main`.
`include_metadata`	boolean	Incluye el título, el autor y las fechas de la página. Por defecto `false`.

curl https://api.croma.run/global/extract/markdown/v1 \
  -H "Authorization: Bearer $CROMA_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{ "url": "https://www.funcionpublica.gov.co/eva/gestornormativo/norma.php?i=304", "include_metadata": true }'

Campo	Notas
`url`	La página que se leyó, después de las redirecciones.
`markdown`	La página en Markdown.
`metadata`	Título, descripción, autor, nombre del sitio, fechas, imagen, palabras clave y número de páginas. Es `null` salvo que `include_metadata` sea true.

Página como JSON

POST /global/extract/json/v1 Describe con un JSON Schema el objeto que quieres y los campos se ubican en la página y se devuelven en result, ya tipados. Describe cada campo: la descripción es lo que se usa para encontrarlo.

Campo	Tipo	Notas
`url`	string	Obligatorio. URL pública http o https. Las direcciones de loopback y privadas se rechazan.
`json_schema`	object	Obligatorio. JSON Schema del objeto a devolver.

curl https://api.croma.run/global/extract/json/v1 \
  -H "Authorization: Bearer $CROMA_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{ "url": "https://www.funcionpublica.gov.co/eva/gestornormativo/norma.php?i=304", "json_schema": { "type": "object", "required": ["title"], "properties": { "title": { "type": "string", "description": "Nombre de la norma." }, "issued_on": { "type": "string", "description": "Fecha de expedición." } } } }'

Campo	Notas
`url`	La página que se leyó, después de las redirecciones.
`result`	El objeto descrito por el `json_schema` que enviaste.

Una página sin cuerpo legible devuelve 404 indicando qué opción cambiar. Un json_schema que no es JSON Schema válido devuelve 400 nombrando el campo. Los campos que la página no trae vuelven ausentes o vacíos, nunca inventados. Para producir valores que no están en la página (un resumen, una clasificación, una traducción) usa Generate.

Extract tiene una cuota más ajustada que la mayoría de endpoints: 60 solicitudes por hora por organización. Consulta Límites de tasa.

Referencia completa

Esquemas, todos los campos de respuesta y un playground interactivo.

Primeros pasos

Países

Página como Markdown

Página como JSON

Referencia completa

​Página como Markdown

​Página como JSON

Referencia completa

Página como Markdown

Página como JSON