Eine Webseite wandeln

Eine Webseite musst Du nicht erst auf Deinen Rechner laden. Trag ihre Adresse in das mehrzeilige Feld unter „Webseiten, eine Adresse je Zeile" ein und schick sie mit „Webseiten wandeln" ab; der Dienst holt die Seiten selbst.

Eine Zeile, die weder mit http:// noch mit https:// beginnt, schickt die Oberfläche gar nicht erst ab. Sie bleibt im Feld stehen und wird darunter genannt. Alles Weitere prüft der Dienst — ob der Name auflöst, ob er ins offene Netz zeigt, ob dort ein Dokument liegt —, und seine Meldung steht dann in der Zeile der Warteschlange.

Jede geholte Seite reiht sich in dieselbe Warteschlange ein wie eine hochgeladene Datei. Ihren Namen bekommt sie aus dem Titel der Seite: Aus https://example.com/ wird example-domain.html. Fanden nicht alle Adressen Platz, stehen die übrigen wieder im Feld — von dort schickst Du sie gleich noch einmal ab.

Welche Seiten der Dienst nicht brauchbar wandelt, steht unter Grenzen.

Dieselbe Adresse über die Schnittstelle

/api/convert/url nimmt eine Adresse je Aufruf, als JSON. Setz $DIENST auf die Adresse, unter der die Oberfläche antwortet:

curl -sf -H 'Content-Type: application/json' \
     -d '{"url": "https://example.com/"}' $DIENST/api/convert/url

{
  "filename": "example-domain.html",
  "status": "ok",
  "markdown": "# Example Domain\n\nThis domain is for use in documentation examples without needing permission. Avoid use in operations.\n\n[Learn more](https://iana.org/domains/example)",
  "engine": "markitdown",
  "warnings": [],
  "duration_ms": 10,
  "error": null
}

In filename steht derselbe Name, den auch die Warteschlange anzeigt. Einen Markdown-Zweig über Accept, wie ihn /api/convert kennt, gibt es hier nicht: Die Antwort ist immer JSON. Neben url nimmt der Rumpf engine und ocr, dieselben zwei Optionen wie beim Upload.

Eine Zeile ohne http:// oder https:// schickt die Oberfläche gar nicht erst ab. Über die Schnittstelle antwortet der Dienst darauf selbst, mit 400 und dem Code invalid_url:

{ "detail": "example.com: nur http- und https-Adressen werden geholt.", "code": "invalid_url" }

Denselben Code bekommst Du für eine Adresse, die nicht ins offene Netz zeigt — auch dann, wenn erst eine Weiterleitung dorthin führt:

{
  "detail": "127.0.0.1 zeigt auf 127.0.0.1, und das ist keine öffentliche Adresse.",
  "code": "invalid_url"
}

Die übrigen Fehlercodes stehen unter API.