抓取 businesswire.com 的文章

关于 businesswire.com

businesswire.com 这样描述自己：“Business Wire 的新闻稿发布、投资者关系服务和公共关系解决方案，助您的新闻触达全球受众”。

其首页声明了 7 种语言：en, de, es, fr, ja, zh-cn, zh-hk。

其站点地图在 15 个文件中列出了 3,880 个 URL（2026-09-06, 2026-09-05, 2026-09-04, 2026-09-03, 2026-09-02, 2026-09-01）。 在 3,876 条带日期的条目中，有 3,399 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 4 个站点地图，并禁止 12 个路径，其中包括 /account, /api, /private。 它要求爬虫在请求之间等待 10 秒。

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：98.8%。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；99.5% 的成功调用使用了 JavaScript 令牌，响应中位时间为 5.7s。

在 Cookbook 的 74 个新闻媒体站点中，businesswire.com 按成功率排在第 40 位（共 74 个）；类别中位数为 98.9%。 其响应中位时间 5.7s 慢于类别中位数 2.3s。 74 个站点中有 58 个接受普通令牌；这个站点需要 JavaScript 令牌。

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_JS_TOKEN&country=US&url=http%3A%2F%2Fwww.businesswire.com%2Fnews%2Fhome%2F20260903030976%2Fja%2F"

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

r = api.get('http://www.businesswire.com/news/home/20260903030976/ja/', {'country': 'US'})
html = r['body']

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

const r = await api.get('http://www.businesswire.com/news/home/20260903030976/ja/', { country: 'US' });

关键参数

各账户抓取的 URL 模式

你能得到的字段

Crawlbase 在 businesswire.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
• 文章: NewsArticle, Organization
• 其他: BreadcrumbList, Organization

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：

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 5.7s。

常见问题

businesswire.com 上的其他页面

businesswire.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。