结构化页面提取
从单个网页中提取有意义的实体和内容，无需编写针对特定网站的规则。结果可以 Markdown 或完整 JSON 格式返回。
什么是 Diffbot？
Diffbot 是一个网页数据与知识平台，可读取非结构化公共网页内容，并将其转换为结构化、相互关联的信息。其核心 API 涵盖页面提取、网站抓取、知识图谱查询与导出、数据增强、自然语言处理和网页搜索。生成的数据适用于 AI 应用、研究工作流，以及需要从公共网页获取事实而非原始页面或扁平抓取记录的系统。
开发者可以直接调用 Diffbot API，也可以在受支持的代理运行环境中安装 Diffbot Skills。这些技能提供面向代理的网页搜索、结构化提取、抓取、实体解析和知识图谱研究工作流。
Diffbot 能做什么？
知识图谱研究
查询涵盖组织、人物、新闻、地点、交易及其他实体类型的关联记录。知识图谱数据可以通过代理技能或原始 DQL 查询进行探索，并导出为类型化 JSON 或 CSV。
面向 AI 工作流的网页搜索
Web Search 将已索引的网页语料库与检索、排序和内容分块相结合。结果包括排序后的 URL、相关性评分、日期和摘要，API 支持 GET 和 POST 请求。
网站抓取
抓取网站中的链接和结构化页面，管理抓取任务，并应用 URL 处理模式、最大处理页面数等选项。
实体解析与语言分析
识别原始文本中的实体，并将其关联到 Diffbot 知识图谱记录。实体结果可以包括置信度、显著性、情感和 Diffbot ID。
代理技能
将 Diffbot 能力连接到包括 Claude Code、GitHub Copilot、Snowflake Cortex、Factory.ai Droid、ForgeCode 和 pi.dev 在内的代理运行环境，同时也提供已记录的通用 npx 选项。
使用场景
“研究与市场情报”
在开展公司或市场研究时，使用知识图谱搜索组织、人物、新闻、融资、收购和行业条件等信息。
“AI 信息 grounding 与网页研究”
向代理提供实时网页结果或提取的页面内容，使研究任务能够使用结构化的公共网页证据，而不只依赖模型知识。
“构建私有或受控的搜索服务”
通过 API 使用 Web Search，或研究自托管方案，以便团队在自己的网络中运行搜索基础设施；该网站将产品描述为支持自托管。
“网站与内容数据管道”
抓取网站并提取结构化页面，从文档、产品页面及其他公共网页来源构建数据集或知识图谱。
“实体感知文本处理”
处理报告或公告等文本，识别人名、组织及其他实体，然后将这些提及关联到可用于后续分析的记录。
常见问题
开发者如何使用 Diffbot？
开发者可以使用 Diffbot 令牌进行身份验证并调用文档所述的 API，也可以在受支持的代理运行环境中安装 Diffbot Skills。Web Search 通过 GET 和 POST API 端点提供服务。
Diffbot Skills 可以做什么？
这些技能提供知识图谱搜索、实时网页搜索、页面提取、实体解析和网站抓取等代理工作流。其中包括新闻、组织、人物、地点、交易和原始 DQL 查询命令。
有哪些输出格式？
Extract 工作流默认以 Markdown 返回结构化页面内容，也可以返回完整 JSON。知识图谱数据可以导出为类型化 JSON 或 CSV，而 Web Search 返回包含 URL、日期、相关性评分和摘要的排序结果。
Diffbot Web Search 可以自托管吗？
Web Search 产品被描述为支持自托管。该网站表示，如需了解自托管的更多信息，请联系 Diffbot。
Diffbot 如何计费？
用量按月度积分计量。页面提取和网页搜索通常每次操作消耗一个积分，而知识图谱实体记录和其他部分操作的积分成本不同。Free 计划无需信用卡即可使用，付费用量可能产生根据计划而定的超额费用。
快速信息
- 产品类型
- 网页数据平台与知识图谱
- 主要工作流
- 网页搜索、提取、抓取、实体解析和图谱查询
- 代理支持
- Claude Code、GitHub Copilot、Snowflake Cortex、Factory.ai Droid、ForgeCode、pi.dev，以及通用 npx 安装
- API 访问
- 提供文档说明的 API，使用令牌进行身份验证；Web Search 支持 GET 和 POST
- 定价模式
- 按月处理积分计费，提供 Free、Startup、Plus 和 Enterprise 计划
- 来源域名
- diffbot.com