Скрапинг: страницы sports на sfchronicle.com

О sfchronicle.com

sfchronicle.com описывает себя так: «Эксклюзивные срочные новости Области залива и Сан-Франциско, спорт, технологии, еда и вино, а также расширенное освещение Giants, 49ers и Warriors».

Его sitemap перечисляют 1 567 URL в 19 файлов (16140000-16145000, 16380000-16385000, 18000000-18005000, 18365000-18370000, 18380000-18385000, 18395000-18400000). 1 из 1 567 датированных записей изменились за последние 30 дней, самая свежая 31 августа 2026.

Его robots.txt называет 4 sitemap и запрещает 11 путей, среди них /api, /adtest, /search.

Измерено на Crawlbase

Доля успеха по каждому запросу каждого аккаунта за август 2026: 99.7%. Шаблоны, страны и сбои взяты из лога запросов с 14 августа 2026; 17.8% успешных вызовов использовали JavaScript-токен, медианный ответ занял 2.1s.

Среди 74 сайтов категории новости и медиа в Cookbook sfchronicle.com занимает 21 место из 74 по доле успеха; медиана категории 98.9%. Его медианный ответ 2.1s на уровне медианы категории 2.3s. 58 из 74 принимают обычный токен; этот сайт только на части страниц.

Вызов

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

curl "https://api.crawlbase.com/?token=YOUR_TOKEN&url=https%3A%2F%2Fwww.sfchronicle.com%2Fsports"

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

r = api.get('https://www.sfchronicle.com/sports')
html = r['body']

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

const r = await api.get('https://www.sfchronicle.com/sports');

Важные параметры

Шаблоны URL, которые запрашивают аккаунты

Поля, которые вы получаете

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

• Главная: WebPage, WebSite
• Статья: NewsArticle, WebPage

Что ломается и как починить

На сбои с 14 августа 2026 сайт отвечал:

Запуск по расписанию

Новости меняются каждый час. Опрашивайте рубрику или sitemap на новые ссылки, затем отправляйте URL статей в Crawler с callback-адресом, чтобы запросы шли равномерно. Медианный ответ на этом сайте 2.1s.

Вопросы

Другие страницы на sfchronicle.com

Страницы, которые sfchronicle.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.