Webpage Content Extractor

Starting URLs to crawl (e.g. https://example.com). One or more URLs. | 开始抓取的 URL（如 https://example.com），支持多个 URL。

Maximum pages to process in total (1–10000). | 总共处理的最大页面数（1-10000）。

Maximum link depth from each start URL (0–10). | 从每个起始 URL 开始的最大链接深度（0-10）。

Number of concurrent page tasks (1–50). | 并发页面任务数（1-50）。

Timeout per page request in seconds (5–600). | 每个页面请求的超时时间（秒，5-600）。

Run browser headless. | 以无头模式运行浏览器。

Output content format: markdown, html, or text. | 输出内容格式：Markdown、HTML 或纯文本。

Maximum output items to push (1–200000). | 推送的最大输出项数（1-200000）。

Only follow links within start URL domains. | 仅跟踪起始 URL 域名内的链接。

Only include URLs matching these regex patterns (optional). | 仅包含匹配这些正则模式的 URL（可选）。

Exclude URLs matching these regex patterns. | 排除匹配这些正则模式的 URL。

Retry failed pages up to this count (0–10). | 重试失败页面的次数（0-10）。

Remove navigation-heavy lines and normalize whitespace. | 移除导航密集的行并规范化空白。

Include unmodified content in a separate field. | 在单独字段中包含未修改的内容。

Truncate content to this length (0 = unlimited, max 500000). | 截断内容到此长度（0=不限制，最大 500000）。

Length of content excerpt for previews (0–5000). | 预览用内容摘要的长度（0-5000）。

Page load strategy: domcontentloaded (fast), load, or networkidle (SPA/slow sites). | 页面加载策略：domcontentloaded（快）、load 或 networkidle（SPA/慢站点）。

CSS selector to wait for before extraction (e.g. .article-body). Leave empty to skip. | 提取前等待的 CSS 选择器（如 .article-body），留空表示不等待。

Extract only content inside this CSS selector (e.g. main, .content). Leave empty for full page. | 仅提取此 CSS 选择器内的内容（如 main, .content），留空表示提取整页。

full = extract content; discover_only = only URLs and links (no content). | full=提取内容；discover_only=仅 URL 和链接（无内容）。

Include links_internal and links_external arrays in each item (full mode). | 在每项中包含内部链接和外部链接数组（完整模式）。