fetch

Fetch

Веб-сервис для конвертации HTML-страниц в Markdown. Использует mdream (нативный Rust через P/Invoke) для конвертации и AngleSharp для извлечения контента статей.

Состав

Проект	Описание
Fetch.Server	Бэкенд — EmbedIO HTTP-сервер (порт 5020)
Fetch.Cli	dotnet tool для CLI-доступа к API
Funny.WebScrape	Библиотека: загрузка страниц + конвертация HTML→MD

API

GET /parse/url

Параметр	Значение	Описание
url	string	URL страницы
loadingType	HttpRequest | Selenium	Способ загрузки
mode	Article | FullPage	Режим конвертации (по умолчанию Article)

Режимы:

• Article — извлечение основного контента (AngleSharp.ContentExtraction), затем mdream
• FullPage — конвертация всей страницы через mdream

Пример:

curl "http://localhost:5020/parse/url?url=https://example.com&loadingType=HttpRequest&mode=Article"

Ответ:

{"content": "# Example Domain\n\nThis domain is for use in illustrative examples..."}

CLI

Установка

dotnet tool install --global Fetch.Cli --add-source https://nuget.pkg.github.com/fan92rus/index.json

Использование

# Статья (по умолчанию)
fetch https://example.com

# Полная страница
fetch https://example.com -m full-page

# Через Selenium (для JS-рендеринга)
fetch https://example.com -l Selenium

# Другой сервер
fetch https://example.com -s http://myserver:5020

Опции:

Флаг	Описание
-m, --mode	article (по умолчанию) или full-page
-l, --loading-type	HttpRequest (по умолчанию) или Selenium
-s, --server	URL бэкенда (по умолчанию http://localhost:5020)

Docker

docker build -t fetch-server .
docker run -p 5020:5020 fetch-server

С переменной REMOTE_BROWSER_URL можно подключить удалённый Chrome (Selenoid и т.п.):

docker run -p 5020:5020 -e REMOTE_BROWSER_URL=http://selenoid:4444/wd/hub fetch-server

Образ также доступен в GHCR:

docker pull ghcr.io/fan92rus/fetch:latest

Разработка

Требования: .NET 9 SDK, MdreamWrapper из GitHub Packages.

# Восстановление зависимостей
dotnet restore

# Сборка
dotnet build

# Запуск сервера
dotnet run --project Fetch.Server

Для NuGet-аутентификации в GitHub Packages нужен nuget.config с токеном (уже в репозитории для CI).