📄 متن خالص بدون نشانه‌گذاری • کاملاً رایگان

استخراج متن پیوسته و خالص از صفحات وب برای AI

حذف تمامی تگ‌های HTML، استایل‌ها، اسکریپت‌ها و نشانه‌گذاری‌های متنی برای دستیابی به یک متن پیوسته، روان و تمیز آماده برای امبدینگ‌های برداری.

FlyCrawl Studio :: url-to-text
350ms Engine Online Ctrl + Enter ↵
آدرس صفحه وب ۵ تست در دقیقه
نمونه‌های سریع: Wikipedia NLP Hacker News GitHub
⚡
محدوده نسخه رایگان: متن خالص را از یک صفحه منفرد (عمق ۱) استخراج می‌کند. برای پایپ‌لاین‌های بزرگ RAG و وکتور دیتابیس‌ها (Pinecone/ChromaDB)، از پکیج پایتون FlyCrawl استفاده کنید.
0 Tokens 0 Chars 0 ms 
# Python SDK (pip install flycrawl)
from flycrawl import FlyCrawl

client = FlyCrawl(api_key="fc_live_...")
res = client.scrape_url("https://example.com", params={"format": "text"})
print(res["text"])

بهترین فرمت برای مدل‌های تولید امبدینگ

مدل‌های امبدینگ برداری متنی هنگامی که با متون پیوسته و بدون کاراکترهای نشانه‌گذاری مارک‌داون تغذیه می‌شوند، بالاترین دقت بازیابی شباهت کسینوسی (Cosine Similarity) را به دست می‌آورند.

سوالات متداول

آیا منوها و فوترها نیز حذف می‌شوند؟ ▼
بله، منوهای ناوبری، سایدبارها و هشدارهای کوکی به صورت خودکار حذف می‌شوند.

ابزارهای مرتبط