解析 – Firecrawl Docs

上传本地或非公开文档，并将其转换为干净、适用于 LLM 的数据

/parse 端点可将本地或非公开文档转换为干净、适用于 LLM 的数据。通过 multipart/form-data 上传文件字节后，可返回 Markdown、JSON、HTML、链接、图片或摘要，并保留阅读顺序和表格。

将 PDF、DOCX、XLSX、HTML 等转换为 Markdown 或结构化 JSON
借助基于 Rust 的引擎，解析速度最高可提升 5 倍
每次请求的文件大小上限为 50 MB
支持 Zero Data Retention

何时使用 `/parse`

当源文档是本地文件，或无法通过公开 URL 访问时，请使用 /parse。如果你有指向该文档的公开 URL，优先使用 /scrape——它会根据扩展名或内容类型自动检测文件类型，并以相同方式解析。

来源	端点
指向文档的公开 URL (例如 `https://example.com/report.pdf`)	`POST /scrape`
本地文件或非公开字节数据 (PDF、DOCX、XLSX、HTML、...)	`POST /parse`

通过 MCP 使用 Firecrawl？ 对于本地文件，请使用 firecrawl_parse。配置了 FIRECRAWL_API_URL 后，本地 MCP 可以直接读取文件。远程托管的 MCP 会先返回一个短时有效的上传命令，然后再解析返回的 uploadRef。公开的文档 URL 仍应使用 /scrape。

有公开的 PDF URL？ 请改用 /scrape——它会自动检测文档类型，并返回干净的 markdown。无需额外使用 PDF 库。

Python

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

解析

/parse 端点

用于上传文件并获取解析后的内容。该请求采用 multipart/form-data 格式，包含一个必填的 file 部分，以及一个可选的 options JSON 部分。

支持的扩展名： .html, .htm, .pdf, .docx, .doc, .odt, .rtf, .xlsx, .xls.

使用方式

from firecrawl import Firecrawl

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

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

print(doc.markdown)

响应

SDK 直接返回文档对象。cURL 返回 JSON 数据。

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

numPages 是实际解析的页数；totalPages 是文档的实际总页数。除非 maxPages 截断了结果，否则两者会一致——例如，解析一个 100 页的 PDF 并设置 maxPages: 10 时，会返回 numPages: 10 和 totalPages: 100，因此 totalPages > numPages 表示输出已被截断。无法确定页数时，则会省略 totalPages。

选项

/parse 可在 options 字段下接受部分 scrape 选项。常见设置如下：

formats：输出格式数组。默认值为 ["markdown"]。支持：markdown、html、rawHtml、links、images、summary 和 json (可搭配 schema 或 prompt) 。
onlyMainContent：仅返回文档的主体内容。默认值为 true。
includeTags / excludeTags：按标签包含或排除内容 (适用于 HTML 输入) 。
redactPII：对返回的 markdown 中的个人身份识别信息进行脱敏处理。
timeout：请求超时时间 (毫秒) 。默认值为 30000，最大为 300000。
parsers：文件解析器控制选项。对于 PDF，设置为 { "type": "pdf", "mode": "fast" | "auto" | "ocr", "maxPages": <int> }。

/parse 不支持仅适用于浏览器的选项，例如 actions、waitFor、location、mobile 或变更追踪。

PDF 解析模式

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：仅提取文本，速度最快。
auto (默认值) ：优先提取文本，页面仅含图像时回退到 OCR。
ocr：对每一页执行 OCR——适用于扫描文档。

结构化 JSON 输出

传入 JSON schema 或 prompt，即可直接从文档中提取结构化数据：

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'

注意事项

每个请求的最大文件大小为 50 MB。
在 ocr 模式下解析超大 PDF 或扫描版 PDF 可能需要更长时间——请增大 timeout，或使用 maxPages 来限定处理范围。
对于多份文件，请对每个文件并行调用 /parse；不支持批量上传。

你是需要 Firecrawl API 密钥的 AI 代理吗？请参见 firecrawl.dev/agent-onboarding/SKILL.md 获取自动化引导说明。

解析

On this page