Scraper les pages document sur scribd.com

À propos de scribd.com

scribd.com se décrit ainsi : « Allez à la source. Des connaissances spécialisées sur tous les sujets et des réponses que vous ne trouverez nulle part ailleurs. La maison des documents du monde, plus de 300 millions et ce n’est pas fini ».

Sa page d’accueil déclare 9 langues : en, es, pt, de, fr, ru, it, ro, id.

Mesuré sur Crawlbase

Taux de réussite sur chaque requête de chaque compte en août 2026 : 98.9%. Motifs, pays et échecs viennent du journal des requêtes depuis le 14 août 2026 ; 99.8% des appels réussis ont utilisé le token JavaScript et la réponse médiane a pris 23.9s.

Parmi les 3 sites livres et audio du Cookbook, scribd.com se place 3 sur 3 au taux de réussite ; la médiane de la catégorie est de 99.4%. Sa réponse médiane de 23.9s est plus lente que la médiane de la catégorie, 10.0s. 1 des 3 acceptent le token simple ; celui-ci demande le token JavaScript.

L’appel

Les pages produit 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 produit du site.

curl "https://api.crawlbase.com/?token=YOUR_JS_TOKEN&url=https%3A%2F%2Fwww.scribd.com%2Fdocument%2F1234567%2Fexample-page"

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

r = api.get('https://www.scribd.com/document/1234567/example-page')
html = r['body']

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

const r = await api.get('https://www.scribd.com/document/1234567/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 scribd.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: WebSite, Organization
• Autre: MediaObject

Ce qui casse, et la solution

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

Lancez-la de façon planifiée

Un rafraîchissement de catalogue est une liste d’URL produit. Envoyez-la au Crawler avec un callback, laissez-le réguler les appels et réessayer ce que le site refuse, et lisez les résultats depuis le Cloud Storage. La réponse médiane sur ce site est de 23.9s.

Questions

Autres pages sur scribd.com

Pages que scribd.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.