Jina Reader 是一个基于 Jina AI Reader API 的网页内容提取工具,主要用途是从网页中获取干净、结构化的内容,同时避免暴露本机或服务器的 IP 地址,因为请求会经由 Jina 的基础设施转发。
主要能力
该工具提供三种工作模式。read 模式可将指定 URL 转换为 markdown 格式的内容,是默认模式。search 模式执行网页搜索并返回前 5 条结果的完整内容。ground 模式用于对某个陈述进行事实核查。
它还支持多项可选参数以控制提取行为。可以通过 --selector 传入 CSS 选择器,只提取页面中特定区域;通过 --wait 指定在提取前需要等待出现的 CSS 选择器;通过 --remove 传入逗号分隔的 CSS 选择器,在提取前移除相应元素(例如导航栏、页脚、广告)。--proxy 可按国家代码使用地理代理(如 br、us 等)。--nocache 强制获取最新内容而跳过缓存。--format 可指定输出格式,支持 markdown、html、text、screenshot,默认为 markdown。--json 可输出原始 JSON。
该工具还能处理动态内容,使用无头 Chrome 渲染 JavaScript,并支持通过 JSON schema 进行结构化数据提取。它使用可读性提取,并可选使用 ReaderLM-v2 模型获得更干净的结果。
使用方式
所有调用通过脚本 {baseDir}/scripts/reader.sh 完成。读取 URL 的基本命令为:{baseDir}/scripts/reader.sh "https://example.com/article"。搜索命令为:{baseDir}/scripts/reader.sh --mode search "latest AI news 2025"。事实核查命令为:{baseDir}/scripts/reader.sh --mode ground "OpenAI was founded in 2015"。
结合选项的示例包括:使用 --selector "article.main" 提取特定区域;使用 --remove "nav,footer,.ads" 移除导航和广告;使用 --mode search --json "AI enterprise trends" 以 JSON 输出搜索结果;使用 --proxy br 通过巴西代理读取;使用 --mode ground 核查陈述。
API 密钥通过环境变量设置:export JINA_API_KEY="jina_..."。免费额度为 1000 万 token,无需注册即可使用,密钥可在 https://jina.ai/reader/ 获取。
适用场景
适用于需要从网页提取正文内容、执行网页搜索并获取完整页面内容、对事实性陈述进行核查,以及需要隐藏请求来源 IP 的场景。也适合需要处理 JavaScript 渲染的动态页面,或需要按区域、按页面区块精确提取内容的场景。
限制
关于定价,资料中提供了以下信息:read 模式标准约为每页 $0.005,使用 ReaderLM-v2 时为其 3 倍;search 模式为固定 10000 token 加每个结果的可变 token;ground 模式约为每次请求 30 万 token,延迟约 30 秒。免费额度、定价等具体数值可能随时间变化,请以官方渠道为准。此外,使用需要配置 API 密钥。关于平台支持、具体运行环境要求等信息,资料中暂未提供。