Crawling API / ScribdScribd Scraper.
Scribd Scraper.
N'importe quelle page, entièrement rendue.
Envoyez n'importe quelle URL Scribd et récupérez le HTML entièrement rendu, via des proxys résidentiels avec gestion anti-bot intégrée.
Transformez-le en JSON avec le generic extractor.
Feed de crawl en direct · Scribd1.24M req/minStreaming
301scribd.com/book/602184937/SapiensUS118ms
200scribd.com/presentation/214905738/Onboarding-HandbookJP119ms
200scribd.com/book/318740296/Thinking-Fast-and-SlowFR141ms
200scribd.com/document/356019284/Annual-Financial-StatementNL155ms
200scribd.com/search?query=machine+learningIN120ms
200scribd.com/search?query=machine+learningDE195ms
200scribd.com/audiobook/655019472/The-Psychology-of-MoneyBR213ms
200scribd.com/audiobook/512098471/Atomic-HabitsFR186ms
200scribd.com/search?query=business+plan+templateFR165ms
301scribd.com/document/356019284/Annual-Financial-StatementDE152ms
200scribd.com/document/498217630/Engineering-Spec-v2SG112ms
200scribd.com/user/8841205/research-libraryCA125ms
200scribd.com/presentation/214905738/Onboarding-HandbookCA187ms
200scribd.com/user/4420918/publishedBR40ms
200scribd.com/search?query=machine+learningES50ms
200scribd.com/book/318740296/Thinking-Fast-and-SlowBR178ms
200scribd.com/book/602184937/SapiensSG103ms
200scribd.com/book/445120983/The-Lean-StartupJP84ms
200scribd.com/document/498217630/Engineering-Spec-v2CA99ms
200scribd.com/book/318740296/Thinking-Fast-and-SlowAU64ms
200scribd.com/presentation/389471025/Q3-Strategy-DeckUS126ms
200scribd.com/search?query=business+plan+templateGB125ms
200scribd.com/presentation/214905738/Onboarding-HandbookGB182ms
200scribd.com/document/356019284/Annual-Financial-StatementFR152ms
200scribd.com/document/271234567/Sample-ReportBR162ms
200scribd.com/document/356019284/Annual-Financial-StatementNL74ms
301scribd.com/book/602184937/SapiensUS118ms
200scribd.com/presentation/214905738/Onboarding-HandbookJP119ms
200scribd.com/book/318740296/Thinking-Fast-and-SlowFR141ms
200scribd.com/document/356019284/Annual-Financial-StatementNL155ms
200scribd.com/search?query=machine+learningIN120ms
200scribd.com/search?query=machine+learningDE195ms
200scribd.com/audiobook/655019472/The-Psychology-of-MoneyBR213ms
200scribd.com/audiobook/512098471/Atomic-HabitsFR186ms
200scribd.com/search?query=business+plan+templateFR165ms
301scribd.com/document/356019284/Annual-Financial-StatementDE152ms
200scribd.com/document/498217630/Engineering-Spec-v2SG112ms
200scribd.com/user/8841205/research-libraryCA125ms
200scribd.com/presentation/214905738/Onboarding-HandbookCA187ms
200scribd.com/user/4420918/publishedBR40ms
200scribd.com/search?query=machine+learningES50ms
200scribd.com/book/318740296/Thinking-Fast-and-SlowBR178ms
200scribd.com/book/602184937/SapiensSG103ms
200scribd.com/book/445120983/The-Lean-StartupJP84ms
200scribd.com/document/498217630/Engineering-Spec-v2CA99ms
200scribd.com/book/318740296/Thinking-Fast-and-SlowAU64ms
200scribd.com/presentation/389471025/Q3-Strategy-DeckUS126ms
200scribd.com/search?query=business+plan+templateGB125ms
200scribd.com/presentation/214905738/Onboarding-HandbookGB182ms
200scribd.com/document/356019284/Annual-Financial-StatementFR152ms
200scribd.com/document/271234567/Sample-ReportBR162ms
200scribd.com/document/356019284/Annual-Financial-StatementNL74ms
01 Démo en direct
N'importe quelle URL Scribd en entrée. HTML ou JSON en sortie.
La Crawling API, tapée en direct. Récupérez le HTML rendu, ou passez au generic extractor pour du JSON. Survolez pour mettre en pause et lire.
Lancez votre premier request en quelques minutes. Jusqu'à 10,000 requests gratuits, sans carte bancaire.Commencer gratuitement
02 Capacités
Une seule API pour tout ce que Scribd vous oppose.
Le lecteur de documents de Scribd est rendu en JavaScript avec des pages en lazy loading, un accès aperçu limité et des métadonnées qui se chargent tardivement, et il bloque de façon agressive. La Crawling API le rend dans un vrai browser, l'atteint via des IP résidentielles et vous livre du HTML ou du JSON propre.
render
Rendu JavaScript complet
Un vrai browser exécute la page, si bien que le lecteur de documents, les pages en lazy loading, le texte d'aperçu et les métadonnées chargées dynamiquement sont tous capturés, pas seulement le HTML initial.
proxies
140M IP résidentielles
Chaque request fait tourner une IP résidentielle sur 30 zones géographiques, pour atteindre Scribd comme un vrai visiteur local.
anti-bot
Blocages gérés pour vous
CAPTCHAs, murs anti-bot et limites de débit sont franchis automatiquement. Rien à résoudre, rien à maintenir.
format
HTML ou JSON
Récupérez le HTML entièrement rendu, ou ajoutez scraper=generic-extractor pour renvoyer le titre, le contenu, les images et les liens en JSON structuré.
extras
Screenshots et asynchrone
Le même appel peut capturer un screenshot pleine page, ou fonctionner en asynchrone avec webhooks et cloud storage.
one token
Une seule API pour chaque site
La Crawling API fonctionne sur n'importe quelle URL, si bien que le même token couvre Scribd et tout le reste de ce que vous crawlez. Voir la démo en direct.
03 Sortie
Du HTML rendu, ou du JSON propre.
Par défaut, vous obtenez le HTML rendu. Ajoutez le generic-extractor et la même page revient sous forme de JSON typé.
{
"title": "Sample Report | PDF | Technology",
"favicon": "https://s-f.scribdassets.com/favicon.ico",
"meta": { "description": "Read the document on Scribd.", "keywords": "..." },
"content": "Document title, author, page count, category and the readable preview text...",
"canonical": "https://www.scribd.com/document/271234567/Sample-Report",
"images": [ "..." ],
"og_images": [ "..." ],
"links": [ "..." ]
}
Page
title · string canonical · string favicon · string
Meta
meta.description · string meta.keywords · string
Contenu
content · string
Média
images · array og_images · array
Liens
links · array
04 Comment ça marche
De l'URL aux données en un seul appel.
Chaque request Scribd suit le même chemin. Vous envoyez une URL, nous gérons tout ce qui se passe entre les deux.
01
Envoyez l'URL
Passez n'importe quelle URL Scribd publique avec votre token : un document, un livre, un livre audio, une présentation, un profil ou une recherche.
02
Faites tourner un proxy
Une IP résidentielle et une zone géographique qui atteignent Scribd proprement, puisées dans 140M IP réparties sur 30 régions.
03
Rendez la page
Un vrai browser charge la page pour que le lecteur de documents, les pages en lazy loading et les métadonnées chargées dynamiquement soient rendus avant la capture.
04
Franchissez l'anti-bot
Les contrôles anti-bot agressifs de Scribd et les limites de débit sont gérés automatiquement. Rien à résoudre, rien à maintenir.
05
Renvoyez du HTML ou du JSON
Le HTML entièrement rendu revient, ou du JSON typé lorsque vous ajoutez le generic extractor.
05 Cas d'usage
Ce que les équipes construisent sur les données Scribd.
USE / 01Catalogue
Catalogue de documents et découverte
Extrayez titres, auteurs, catégories et nombres de pages sur des documents pour bâtir des catalogues consultables.
USE / 02Métadonnées
Collecte de métadonnées et aperçus
Capturez le texte d'aperçu lisible et les métadonnées de document que le lecteur charge dynamiquement.
USE / 03Entraînement
Données d'entraînement et RAG
Alimentez modèles, pipelines RAG et agents en texte de documents propre et aperçus via une seule API.
USE / 04Surveillance
Surveillance des auteurs et des mises en ligne
Suivez les nouveaux uploads, livres, livres audio et présentations à travers les profils et catégories.
USE / 05Recherche
Recherche de marché et de contenu
Exploitez de vrais titres, descriptions et sujets de documents pour éclairer vos décisions produit et contenu.
USE / 06Couverture
N'importe quelle URL, une seule API
Crawlez documents, livres, livres audio, présentations, profils et recherches, plus n'importe quel autre site dont vous avez besoin.
06 Notes
Bon à savoir pour scraper Scribd.
Rendu comme un vrai browser
Scribd est un lecteur de documents rendu en JavaScript avec des pages en lazy loading ; la Crawling API exécute un vrai browser pour que le texte d'aperçu et les métadonnées se chargent avant la capture.
HTML par défaut, JSON sur demande
Vous obtenez le HTML entièrement rendu. Ajoutez scraper=generic-extractor pour un titre, un contenu, des images et des liens analysés, ou analysez le HTML vous-même.
Pages publiques uniquement
La Crawling API lit les pages visibles publiquement, sans connexion, de sorte que vous obtenez le titre, l'auteur, le nombre de pages, la catégorie et l'aperçu lisible que voit un visiteur non connecté.
Atteignez Scribd depuis n'importe où
Le géociblage sur 30 régions et 140M IP résidentielles garantit un accès constant sans gérer de proxys.
07 Pourquoi Crawlbase
Conçu pour crawler Scribd à grande échelle.
La Crawling API tourne sur le même réseau qui sert plus de 46,000 clients payants et plus de 70,000 développeurs. Aucun proxy à acheter, aucun browser à faire tourner, rien à corriger quand Scribd change.
99%
Taux de réussite moyen des requests
140M
IP résidentielles, plus 98M datacenter
30
Zones géographiques pour des résultats locaux précis
20/s
Requests par seconde par défaut, davantage sur demande
Un seul token, des SDK officiels pour Python, Node et Ruby, et un réseau à 99.99% de disponibilité en dessous.
08 FAQ
Questions sur le scraping de Scribd.
Envoyez l'URL Scribd à la Crawling API de Crawlbase avec votre token. Crawlbase fait tourner un proxy résidentiel, rend la page dans un vrai browser, franchit les contrôles anti-bot et renvoie le HTML entièrement rendu. Ajoutez scraper=generic-extractor pour obtenir du JSON structuré à la place.
Oui. Par défaut, la Crawling API renvoie du HTML rendu ; ajoutez le generic extractor (scraper=generic-extractor) pour recevoir titre, meta, contenu, images et liens en JSON, ou analysez le HTML vous-même.
Oui. Un vrai browser exécute la page, si bien que le lecteur de documents JavaScript, les pages en lazy loading et les métadonnées chargées dynamiquement sont capturés, pas seulement le HTML initial.
Crawlbase route chaque request via des IP résidentielles rotatives sur 30 zones géographiques et franchit les contrôles anti-bot automatiquement. Vous ne gérez aucun proxy et ne résolvez aucun CAPTCHA, et il n'y a rien à maintenir quand Scribd change sa configuration.
Non. La Crawling API lit uniquement les pages visibles publiquement, sans connexion, de sorte que vous recevez le titre du document, l'auteur, le nombre de pages, la catégorie et l'aperçu lisible que verrait un visiteur non connecté.
N'importe quelle URL publique : documents, livres, livres audio, présentations, profils utilisateur et pages de résultats de recherche. La même API fonctionne aussi sur n'importe quel autre site.
Commencez gratuitement avec jusqu'à 10,000 requests et sans carte bancaire. Les offres payantes évoluent avec votre usage, et le même token fonctionne sur la Crawling API et sur chaque scraper Crawlbase.
Commencez à scraper Scribd.
Oubliez les proxys et les blocages.
Gratuit pour débuter avec jusqu'à 10,000 requests. Un seul token pour la Crawling API et chaque scraper.