tavily-extract

tavily extract

从一个或多个 URL 中提取干净的 Markdown 或文本内容。

运行前

当 tvly 可用时，直接运行 extract。Extract 支持有限的免密钥访问，因此首次请求前无需查找 API 密钥或进行身份验证。

如果缺少 tvly，请先按照 tavily-cli 设置说明进行设置，然后重试。如果在交互式会话中达到免密钥使用上限，请运行 tvly login 打开浏览器 OAuth，然后重试原始提取请求一次。在无人值守的环境中，请报告使用上限和身份验证选项，而不是启动交互流程。引导式设置完成后，不要立即再次登录。

适用场景

• 你有特定 URL，并想获取其内容
• 你需要从 JavaScript 渲染的页面中提取文本
• 工作流中的第 2 步：搜索 → 提取 → 映射 → 爬取 → 研究

快速开始

# Single URL
tvly extract "https://example.com/article" --json

# Multiple URLs
tvly extract "https://example.com/page1" "https://example.com/page2" --json

# Query-focused extraction (returns relevant chunks only)
tvly extract "https://example.com/docs" --query "authentication API" --chunks-per-source 3 --json

# JS-heavy pages
tvly extract "https://app.example.com" --extract-depth advanced --json

# Save to file
tvly extract "https://example.com/article" -o article.json

选项

选项	描述
--query	根据此查询按相关性对内容块重新排序
--chunks-per-source	每个 URL 的内容块数量（1-5，需使用 --query）
--extract-depth	basic（默认）或 advanced（适用于 JS 页面）
--format	markdown（默认）或 text
--include-images	包含图片 URL
--timeout	最大等待时间（1-60 秒）
-o, --output	将 JSON 响应保存到文件
--json	结构化 JSON 输出

提取深度

深度	适用场景
basic	简单页面，速度快——先试用此选项
advanced	JS 渲染的 SPA、动态内容、表格

提示

• 每次请求最多处理 20 个 URL——较长列表请拆分为多次调用。
• 使用 --query + --chunks-per-source，仅获取相关内容，而非完整页面。
• 先试用 basic；如果内容缺失，再改用 advanced。
• 对于加载较慢的页面，请设置 --timeout（最长 60 秒）。
• 即使退出代码为 0，也要检查 failed_results。请求成功仍可能未能提取任何页面内容。适用时，请对受影响的 URL 使用 advanced 重试；否则应报告各 URL 的失败情况，而不是将请求视为已完成。
• 如果搜索结果已经包含所需内容（通过 --include-raw-content），则跳过提取步骤。

另请参阅

• tavily-search — 没有 URL 时查找页面
• tavily-crawl — 从网站上的多个页面提取内容