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 y puede servir una copia reciente de la página; `max` siempre lee la página en vivo y resuelve páginas que se construyen en el navegador.

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, la fecha de publicación y la imagen 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, autor, fecha de publicación e imagen; un campo que la página no declara es `null`. 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.

En el plan gratuito, Extract tiene una cuota más ajustada que la mayoría de endpoints: 60 solicitudes por hora por organización, y cada llamada también consume una de tus 100 solicitudes por día. Los planes de pago no tienen tope por hora: cada llamada consume créditos del plan. Consulta Límites de tasa.

Referencia completa

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

Primeros pasos

Tipos de solicitud

Monitores

Comentarios

Países

Página como Markdown

Página como JSON

Referencia completa

​Página como Markdown

​Página como JSON

Referencia completa

Página como Markdown

Página como JSON