抓取 nysenate.gov

关于 nysenate.gov

nysenate.gov 这样描述自己：“NYSenate.gov 旨在提高公众对立法过程的参与度。通过促进纽约市民与代表他们的参议员之间的高效沟通，立法者能够制定出更好的法律来治理我们”。

其站点地图在 7 个文件中列出了 70,000 个 URL。 在 70,000 条带日期的条目中，有 0 条在最近 30 天内发生变化，最新一条在 2026年2月11日。

其 robots.txt 禁止 12 个路径，其中包括 /core/, /profiles/, /admin/。

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：92.5%。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；99.9% 的成功调用使用了 JavaScript 令牌，响应中位时间为 33.4s。

在 Cookbook 的 11 个公共数据站点中，nysenate.gov 按成功率排在第 9 位（共 11 个）；类别中位数为 97.2%。 其响应中位时间 33.4s 慢于类别中位数 2.3s。 11 个站点中有 5 个接受普通令牌；这个站点需要 JavaScript 令牌。

调用

各账户抓取最多的 URL 形态，配以最常成功的 country 和令牌。请将占位路径替换为该站点的真实路径。

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

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

r = api.get('https://www.nysenate.gov/example-section/example-page')
html = r['body']

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

const r = await api.get('https://www.nysenate.gov/example-section/example-page');

关键参数

各账户抓取的 URL 模式

你能得到的字段

字段取决于页面类型。商品页通常带有 ld+json 块，包含名称、价格、货币和库存状态；文章页则有标题和正文。请检查你收到的第一个响应。

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

该站点的响应时间中位数为 33.4s。每天超过几千页时，请将 URL 列表连同回调推送到 Crawler；它会控制调用节奏，并重试站点拒绝的请求。

常见问题

nysenate.gov 上的其他页面

nysenate.gov 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。