抓取 azcentral.com 的文章
今天能从 azcentral.com 返回文章的调用，以及自 2026年8月14日 起从请求日志读出的参数、模式和失败情形。 最近测试于 2026年9月6日。
成功率 94.3% · 2026年8月77% 的调用使用浏览器标准价格 · 1 积分
关于 azcentral.com
azcentral.com 这样描述自己：“azcentral.com 是《The Arizona Republic》报的数字家园，提供突发新闻、体育、政治、活动指南、旅行和评论”。
其站点地图在 19 个文件中列出了 24,447 个 URL（news-sitemap, web-sitemap-2026-09, web-sitemap-2026-08, web-sitemap-2018-11, web-sitemap-2017-11, web-sitemap-2026-02）。 在 24,447 条带日期的条目中，有 1,324 条在最近 30 天内发生变化，最新一条在 2026年9月6日。
其 robots.txt 指定了 5 个站点地图，并禁止 12 个路径，其中包括 /errors, /interactive/, /userauth/。
基于 Crawlbase 测得
2026年8月 对每个账户的每个请求统计的成功率：94.3%。URL 模式、国家和失败情况来自自 2026年8月14日 起的请求日志；77.3% 的成功调用使用了 JavaScript 令牌，响应中位时间为 32.4s。
在 Cookbook 的 74 个新闻媒体站点中，azcentral.com 按成功率排在第 62 位（共 74 个）；类别中位数为 98.9%。 其响应中位时间 32.4s 慢于类别中位数 2.3s。 74 个站点中有 58 个接受普通令牌；这个站点只在部分页面接受。
调用
文章页是各账户在此抓取最多的页面形态，附带最常成功的国家和令牌。请把占位路径换成站点上真实的文章 URL。
curl "https://api.crawlbase.com/?token=YOUR_TOKEN&url=https%3A%2F%2Fwww.azcentral.com%2Fexample-section%2Fexample-page"from crawlbase import CrawlingAPI api = CrawlingAPI({'token': 'YOUR_TOKEN'}) r = api.get('https://www.azcentral.com/example-section/example-page') html = r['body']
const { CrawlingAPI } = require('crawlbase'); const api = new CrawlingAPI({ token: 'YOUR_TOKEN' }); const r = await api.get('https://www.azcentral.com/example-section/example-page');
关键参数
| 参数 | 设置为 | 原因 |
|---|---|---|
country | 不设置 | 大多数成功调用未设置 country（99.6%），成功率为 93.0%。 |
javascript | 不设置 | 普通令牌调用的成功率为 94.6%，JavaScript 令牌调用为 92.1%。两者都可用；先不用浏览器，再按下表所示的 URL 模式逐一切换。 |
各账户抓取的 URL 模式
| 模式 | 成功占比 | JavaScript 令牌 | Country | 查询参数 |
|---|---|---|---|---|
/{slug}/{slug} | 25.3% | 79.2% | 无 | 无 |
/local/{slug} | 22.8% | 79.1% | 无 | 无 |
/politics/{slug} | 10.3% | 73.2% | 无 | 无 |
/business/{slug} | 8.5% | 82.4% | 无 | 无 |
/{slug}/{slug}/{slug} | 5.8% | 65.2% | 无 | 无 |
/arizona | 5.0% | 70.0% | 无 | 无 |
/{slug} | 4.3% | 88.2% | 无 | 无 |
/politics | 4.0% | 75.0% | 无 | 无 |
你能得到的字段
Crawlbase 在 azcentral.com 上找到的结构化数据，按页面类型列出。这些是页面中的 schema.org 类型，你的解析器可以直接从 JSON-LD 块中读取这些字段：
- 首页:
Organization, WebSite, WebPage
会出问题的地方及修复方法
自 2026年8月14日 以来的失败中，站点的响应为：
403：占失败的 65.1% 403 是站点拒绝该出口。设置成功调用所用的 country 并重试一次；再次 403 说明该 URL 本身受保护。
504：占失败的 18.1% 504 是超时：页面未在限定时间内完成。重试一次，并让你自己的客户端超时高于该站点显示的响应时间中位数。
定时运行
新闻按小时变化。轮询栏目或站点地图获取新链接，然后把文章 URL 连同回调推送到 Crawler，让抓取按节奏进行。该站点的响应中位时间为 32.4s。
常见问题
抓取 azcentral.com 需要浏览器吗？
视页面而定。普通令牌调用的成功率为 94.6%，JavaScript 令牌调用为 92.1%；URL 模式表显示了各账户用浏览器抓取哪些路径。
在 Crawlbase 上抓取一个 azcentral.com 页面要多少钱？
不用浏览器时为 1 积分。azcentral.com 属于标准等级。
抓取 azcentral.com 应该设置哪个 country？
不需要：大多数成功调用未设置它。
azcentral.com 上的其他页面
azcentral.com 在自己的站点地图中列出的页面，由 Crawlbase 于 2026年9月6日 抓取，并在连续 2 次运行中得到验证。每一行都是返回该页面及其内容的最便宜调用。
| 页面 | 示例 | 令牌 | 国家 | 中位数 |
|---|---|---|---|---|
首页/结构化数据：Organization, WebSite, WebPage | azcentral.com/ | 普通 | 无 | 3.6s |
站点名称用于标识配方抓取的页面。Crawlbase 与所列任何站点均无关联。请在以下范围内使用配方： 可接受使用政策.数据测自 2026年8月，每月更新