Cookbook·Actualités et médias·theguardian.com
Scraper les pages business sur theguardian.com
L’appel qui renvoie les pages business de theguardian.com aujourd’hui, avec les paramètres, les motifs et les modes d’échec lus dans le journal des requêtes depuis le 14 août 2026. Dernier test le 6 sept. 2026.
99.8% de réussite · août 2026Browser sur 28% des appelsPrix Standard · 1 crédit
À propos de theguardian.com
theguardian.com se décrit ainsi : « Les dernières actualités internationales, le sport et les commentaires du Guardian ».
Ses sitemaps listent 374 URL dans 2 fichiers (news, video). 374 des 374 entrées datées ont changé au cours des 30 derniers jours, la plus récente le 6 sept. 2026.
Son robots.txt nomme 2 sitemaps et interdit 12 chemins, dont /sendarticle/, /users/, /email/.
Mesuré sur Crawlbase
Taux de réussite sur chaque requête de chaque compte en août 2026 : 99.8%. Motifs, pays et échecs viennent du journal des requêtes depuis le 14 août 2026 ; 27.9% des appels réussis ont utilisé le token JavaScript et la réponse médiane a pris 4.8s.
Parmi les 74 sites actualités et médias du Cookbook, theguardian.com se place 16 sur 74 au taux de réussite ; la médiane de la catégorie est de 98.9%. Sa réponse médiane de 4.8s est plus lente que la médiane de la catégorie, 2.3s. 58 des 74 acceptent le token simple ; celui-ci seulement sur certaines pages.
L’appel
Les pages d’article 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 d’article du site.
curl "https://api.crawlbase.com/?token=YOUR_TOKEN&url=https%3A%2F%2Fwww.theguardian.com%2Fbusiness%2F1234567%2Fexample-page"from crawlbase import CrawlingAPI api = CrawlingAPI({'token': 'YOUR_TOKEN'}) r = api.get('https://www.theguardian.com/business/1234567/example-page') html = r['body']
const { CrawlingAPI } = require('crawlbase'); const api = new CrawlingAPI({ token: 'YOUR_TOKEN' }); const r = await api.get('https://www.theguardian.com/business/1234567/example-page');
Les paramètres qui comptent
| Paramètre | Valeur | Pourquoi |
|---|---|---|
country | laisser vide | La plupart des appels réussis ne définissent aucun country (88.0%) et réussissent à 100%. |
javascript | laisser vide | Les appels avec le token simple réussissent à 100%, ceux avec le token JavaScript à 99.6%. Les deux fonctionnent ; commencez sans browser et basculez par motif d’URL là où le tableau ci-dessous l’indique. |
Motifs d’URL que les comptes récupèrent
| Motif | Part des réussites | Token JavaScript | Country | Paramètres de requête |
|---|---|---|---|---|
/business/{id}/{slug} | 12.3% | 0.0% | aucun | aucun |
/world/{id}/{slug} | 11.5% | 4.3% | aucun | aucun |
/us-news/{id}/{slug} | 10.5% | 4.8% | aucun | aucun |
/technology/{id}/{slug} | 7.5% | 6.7% | aucun | aucun |
/football/{id}/{slug} | 6.0% | 66.7% | aucun | aucun |
/football/{slug}/{id} | 5.5% | 95.5% | aucun | page |
/australia-news/{id}/{slug} | 5.0% | 0.0% | aucun | aucun |
/{slug}/{id}/{slug} | 3.5% | 7.1% | aucun | aucun |
Les champs que vous obtenez
Données structurées que Crawlbase a trouvées sur theguardian.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 :
- Page détail:
NewsArticle, WebPage
Ce qui casse, et la solution
Sur les échecs depuis le 14 août 2026, le site a répondu :
591 : 100% des échecs Un 5xx est le site qui échoue, pas la récupération. Réessayez après une minute.
Lancez-la de façon planifiée
L’actualité bouge d’heure en heure. Interrogez la rubrique ou le sitemap pour les nouveaux liens, puis envoyez les URL d’articles au Crawler avec un callback pour que les récupérations soient régulées. La réponse médiane sur ce site est de 4.8s.
Questions
Ai-je besoin d’un browser pour scraper theguardian.com ?
Cela dépend de la page. Les appels avec le token simple réussissent à 100%, ceux avec le token JavaScript à 99.6% ; le tableau des motifs d’URL montre quels chemins les comptes récupèrent avec un browser.
Combien coûte une page theguardian.com sur Crawlbase ?
1 crédit sans browser. theguardian.com est dans le tier standard.
Quel country dois-je définir pour theguardian.com ?
Aucun n’est nécessaire : la plupart des appels réussis le laissent vide.
Autres pages sur theguardian.com
Pages que theguardian.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.
| Page | Exemple | Token | Pays | Médiane |
|---|---|---|---|---|
Accueil/ | theguardian.com/ | Simple | aucun | 4.6s |
Page détail/{slug}/video/{id}Données structurées : NewsArticle, WebPage | aucun | Simple | aucun | 2.1s |
Les noms de sites identifient les pages qu’une recette récupère. Crawlbase n’est affilié à aucun site listé. Utilisez les recettes dans le cadre de la politique d’utilisation acceptable.Chiffres mesurés de août 2026, actualisés chaque mois