Scraper les pages catégorie sur montrealgazette.com

À propos de montrealgazette.com

montrealgazette.com se décrit ainsi : « La Montreal Gazette vous tient informé de l’actualité avec les dernières nouvelles, reportages et grands titres de Montréal ».

Ses sitemaps listent 280 URL dans 19 fichiers. 280 des 280 entrées datées ont changé au cours des 30 derniers jours, la plus récente le 5 sept. 2026.

Son robots.txt nomme 6 sitemaps et interdit 12 chemins, dont /sponsored/, /search/, /search. Il demande aux crawlers d’attendre 10s entre les requêtes.

Mesuré sur Crawlbase

Taux de réussite sur chaque requête de chaque compte en août 2026 : 99.1%. Motifs, pays et échecs viennent du journal des requêtes depuis le 14 août 2026 ; 0.0% des appels réussis ont utilisé le token JavaScript et la réponse médiane a pris 1.2s.

Parmi les 74 sites actualités et médias du Cookbook, montrealgazette.com se place 36 sur 74 au taux de réussite ; la médiane de la catégorie est de 98.9%. Sa réponse médiane de 1.2s est plus rapide que la médiane de la catégorie, 2.3s. 58 des 74 acceptent le token simple, celui-ci compris.

L’appel

Les pages de catégorie et de liste sont la forme que les comptes récupèrent le plus ici, avec le pays et le token qui réussissent le plus souvent. Remplacez le chemin fictif par une vraie URL de rubrique du site.

curl "https://api.crawlbase.com/?token=YOUR_TOKEN&url=https%3A%2F%2Fwww.montrealgazette.com%2Fcategory%2Fexample-page"

from crawlbase import CrawlingAPI
api = CrawlingAPI({'token': 'YOUR_TOKEN'})

r = api.get('https://www.montrealgazette.com/category/example-page')
html = r['body']

const { CrawlingAPI } = require('crawlbase');
const api = new CrawlingAPI({ token: 'YOUR_TOKEN' });

const r = await api.get('https://www.montrealgazette.com/category/example-page');

Les paramètres qui comptent

Motifs d’URL que les comptes récupèrent

Les champs que vous obtenez

Données structurées que Crawlbase a trouvées sur montrealgazette.com, par type de page. Ce sont les types schema.org de la page, les champs que votre parseur peut lire directement dans le bloc JSON-LD :

• Accueil: WebPage, BreadcrumbList, WebSite, Organization
• Article: Article, WebPage, ImageObject, BreadcrumbList, WebSite, Organization, Person

Ce qui casse, et la solution

Sur les échecs depuis le 14 août 2026, le site a répondu :

Lancez-la de façon planifiée

Parcourez les listes à une cadence pour trouver les nouveaux éléments, puis envoyez leurs URL au Crawler avec un callback ; il régule les appels et réessaie ce que le site refuse. La réponse médiane sur ce site est de 1.2s.

Questions

Autres pages sur montrealgazette.com

Pages que montrealgazette.com liste dans ses propres sitemaps, récupérées par Crawlbase le 6 sept. 2026 et vérifiées sur 2 passages consécutifs. Chaque ligne est l’appel le moins cher qui a renvoyé la page avec son contenu.