Скрапинг: страницы document на scribd.com

О scribd.com

scribd.com описывает себя так: «Обратитесь к первоисточнику. Специализированные знания по любой теме и ответы, которых вы больше нигде не найдёте. Дом для документов всего мира: более 300 млн и их число растёт».

Главная страница объявляет 9 языков: en, es, pt, de, fr, ru, it, ro, id.

Измерено на Crawlbase

Доля успеха по каждому запросу каждого аккаунта за август 2026: 98.9%. Шаблоны, страны и сбои взяты из лога запросов с 14 августа 2026; 99.8% успешных вызовов использовали JavaScript-токен, медианный ответ занял 23.9s.

Среди 3 сайтов категории книги и аудио в Cookbook scribd.com занимает 3 место из 3 по доле успеха; медиана категории 99.4%. Его медианный ответ 23.9s медленнее медианы категории 10.0s. 1 из 3 принимают обычный токен; этому сайту нужен JavaScript-токен.

Вызов

Страницы товаров здесь запрашивают чаще всего, со страной и токеном, которые успешны чаще всего. Замените путь-заполнитель настоящим URL товара с сайта.

curl "https://api.crawlbase.com/?token=YOUR_JS_TOKEN&url=https%3A%2F%2Fwww.scribd.com%2Fdocument%2F1234567%2Fexample-page"

from crawlbase import CrawlingAPI
api = CrawlingAPI({'token': 'YOUR_JS_TOKEN'})

r = api.get('https://www.scribd.com/document/1234567/example-page')
html = r['body']

const { CrawlingAPI } = require('crawlbase');
const api = new CrawlingAPI({ token: 'YOUR_JS_TOKEN' });

const r = await api.get('https://www.scribd.com/document/1234567/example-page');

Важные параметры

Шаблоны URL, которые запрашивают аккаунты

Поля, которые вы получаете

Структурированные данные, которые Crawlbase нашёл на scribd.com, по типам страниц. Это типы schema.org на странице, поля, которые ваш парсер может читать прямо из блока JSON-LD:

• Главная: WebSite, Organization
• Другое: MediaObject

Что ломается и как починить

На сбои с 14 августа 2026 сайт отвечал:

Запуск по расписанию

Обновление каталога это список URL товаров. Отправьте его в Crawler с callback-адресом, дайте ему распределить вызовы и повторить то, что сайт отклонил, и читайте результаты из Cloud Storage. Медианный ответ на этом сайте 23.9s.

Вопросы

Другие страницы на scribd.com

Страницы, которые scribd.com указывает в своих sitemap, запрошены Crawlbase 6 сентября 2026 и подтверждены в 2 прогонах подряд. В каждой строке самый дешёвый вызов, вернувший страницу с содержимым.