解析 – Firecrawl Docs

ローカルまたは非公開のドキュメントをアップロードし、クリーンで LLM 向けのデータに変換します

/parse エンドポイントは、ローカルまたは非公開のドキュメントを、クリーンで LLM 向けのデータに変換します。multipart/form-data でファイルのバイト列をアップロードすると、読み順や表の構造を保持したまま、Markdown、JSON、HTML、リンク、画像、または要約を取得できます。

PDF、DOCX、XLSX、HTML などを Markdown または構造化 JSON に変換
Rust ベースのエンジンにより、解析を最大 5 倍高速化
1 リクエストあたり 50 MB までのファイルに対応
ゼロデータ保持をサポート

`/parse` を使うタイミング

元のドキュメントがローカルファイルである場合、またはURL では公開アクセスできない場合は、/parse を使用します。ドキュメントを指す公開 URL がある場合は、/scrape を優先してください。拡張子または Content-Type からファイル形式を自動判別し、/parse と同じように解析します。

ソース	エンドポイント
ドキュメントを指す公開 URL (例: `https://example.com/report.pdf`)	`POST /scrape`
ローカルファイルまたは非公開のバイト列 (PDF、DOCX、XLSX、HTML、...)	`POST /parse`

MCP 経由で Firecrawl を使っていますか？ ローカルファイルには firecrawl_parse を使用してください。FIRECRAWL_API_URL を設定したローカル MCP は、ファイルを直接読み取れます。リモートでホストされた MCP は、最初に有効期限の短いアップロードコマンドを返し、その後、返された uploadRef を解析します。公開ドキュメントの URL では引き続き /scrape を使用してください。

公開された PDF の URL がありますか？ その場合は /scrape を使ってください。ドキュメントタイプを自動判別し、きれいな markdown を返します。PDF 用のライブラリを別途用意する必要はありません。

Python

doc = firecrawl.scrape("https://example.com/report.pdf", formats=["markdown"])

パース

/parse エンドポイント

ファイルをアップロードし、解析済みのコンテンツを受け取るために使用します。リクエストは multipart/form-data 形式で、必須の file パートと、任意の options JSON パートを含みます。

対応している拡張子: .html, .htm, .pdf, .docx, .doc, .odt, .rtf, .xlsx, .xls.

使用例

from firecrawl import Firecrawl

firecrawl = Firecrawl(api_key="fc-YOUR-API-KEY")

doc = firecrawl.parse("./report.pdf")

print(doc.markdown)

レスポンス

SDK ではドキュメントオブジェクトが直接返されます。cURL では JSON ペイロードが返されます。

{
  "success": true,
  "data": {
    "markdown": "# Annual Report\n\n...",
    "metadata": {
      "title": "Annual Report",
      "numPages": 42,
      "totalPages": 42,
      "sourceFile": "report.pdf"
    }
  }
}

numPages は実際に解析されたページ数で、totalPages はドキュメントの実際の総ページ数です。maxPages によって結果が切り詰められた場合を除き、両者は一致します。たとえば、 100 ページの PDF を maxPages: 10 で解析すると、numPages: 10 と totalPages: 100 が返されるため、 totalPages > numPages で出力が切り詰められたことがわかります。ページ数を判定できない場合、 totalPages は省略されます。

オプション

/parse は、options フィールドでスクレイピングのオプションの一部を受け付けます。一般的な設定は次のとおりです。

formats: 出力フォーマットの配列。デフォルトは ["markdown"]。対応フォーマット: markdown、html、rawHtml、links、images、summary、json (スキーマまたはプロンプト付き) 。
onlyMainContent: ドキュメントのメインコンテンツのみを返します。デフォルトは true。
includeTags / excludeTags: タグ単位での含める/除外の指定 (HTML 入力) 。
redactPII: 返される markdown から個人を特定できる情報をマスキングします。
timeout: リクエストのタイムアウト (ミリ秒) 。デフォルトは 30000、最大 300000。
parsers: ファイルパーサーの制御。PDF の場合は、{ "type": "pdf", "mode": "fast" | "auto" | "ocr", "maxPages": <int> } を設定します。

/parse は、actions、waitFor、location、mobile、change tracking などのブラウザ専用オプションには対応していません。

PDFパーサーのモード

cURL

curl -X POST https://api.firecrawl.dev/v2/parse \
  -H 'Authorization: Bearer YOUR_API_KEY' \
  -F 'file=@./scan.pdf' \
  -F 'options={"parsers":[{"type":"pdf","mode":"ocr","maxPages":50}]};type=application/json'

fast: テキストのみを提取する最速の方法です。
auto (デフォルト) : テキスト優先で処理し、画像のみのページでは OCR にフォールバックします。
ocr: すべてのページで OCR を実行します — スキャン文書に使用してください。

構造化JSON出力

ドキュメントから構造化データを直接抽出するには、JSONスキーマまたはプロンプトを指定します。

cURL

curl -X POST https://api.firecrawl.dev/v2/parse \
  -H 'Authorization: Bearer YOUR_API_KEY' \
  -F 'file=@./invoice.pdf' \
  -F 'options={"formats":[{"type":"json","schema":{"type":"object","properties":{"total":{"type":"number"},"vendor":{"type":"string"}}}}]};type=application/json'

考慮事項

1 リクエストあたりの最大ファイルサイズは 50 MB です。
ocr モードで非常に大きい PDF やスキャンされた PDF をパースする場合、時間がかかることがあります。timeout を長めに設定するか、maxPages を使って処理範囲を制限してください。
複数ファイルを扱う場合は、各ファイルに対して /parse を並列に呼び出してください。バッチアップロード用のバリアントはありません。

Firecrawl APIキーが必要な AIエージェントですか？自動オンボーディング手順については、firecrawl.dev/agent-onboarding/SKILL.md を参照してください。

解析

On this page