crawl
Recursively traverses an entire site or subdirectory from an entry URL, returning each page's title, body text, and links for full-site scraping or documentation mirroring.
Instructions
从入口 URL 递归爬取整站/子目录,返回每页标题+正文+链接。适合:整站抓取、文档站镜像。
Input Schema
| Name | Required | Description | Default |
|---|---|---|---|
| url | Yes | 入口网址 | |
| deny | No | 跳过匹配该正则的链接 | |
| allow | No | 只爬匹配该正则的链接(如 ^/docs/) | |
| depth | No | 递归深度(默认 2) | |
| browser | No | 是否浏览器渲染(默认 false) | |
| max_pages | No | 最多抓取页数(默认 100) | |
| same_domain | No | 只爬同域名(默认 false) |