Página para Markdown ou JSON
fit_markdown limpo (Crawl4AI) com fallback de Trafilatura, ou extração estruturada para um JSON Schema via um LLM.
Fisherboy
Qualquer página web, pronta para a sua IA.
O Fisherboy é o satélite de extração web da família Escriba. Aponte-o para qualquer página e receba de volta Markdown limpo ou JSON estruturado — depurado de navegação e conteúdo supérfluo, anonimizado antes de sair e pronto para alimentar um LLM. Ele só luta com mais empenho quando um site reage, escalando de uma simples requisição HTTP até um navegador real, e consegue capturar o JSON/XHR oculto que as aplicações de página única já carregam.
O Fisherboy é self-hostable como uma única imagem Docker. Ele roda de forma autônoma com sua própria interface web, ou headless por trás do Escriba como um serviço REST + MCP.
Para quem é
Seção intitulada “Para quem é”- Qualquer pessoa que colete conteúdo web para um LLM — artigos, documentação, grades de produtos, resultados de busca — e que queira Markdown limpo em vez de HTML cru.
- Construtores e automatizadores que conduzem a extração a partir de
curl, n8n, Claude Code ou Escriba via REST ou MCP. - Usuários preocupados com privacidade que precisam remover ou pseudonimizar PII antes que qualquer dado chegue a um modelo ou a terceiros.
- Self-hosters que querem que tudo rode no próprio hardware, com acesso baseado em papéis e uma postura de segurança auditada.
Recursos principais
Seção intitulada “Recursos principais”Busca anti-bloqueio em camadas
Escala somente quando bloqueado: camada 0 HTTP estático, camada 1 fingerprint TLS, camada 2 navegador stealth, camada 3 navegador real. A camada vencedora é cacheada por domínio.
Captura de API oculta
Em vez de lutar com o HTML renderizado, observe o JSON de XHR/fetch que a página já carrega — a forma mais confiável de fazer scraping de SPAs e grades dinâmicas.
Crawl spider e tarântula
Siga links internos formando uma árvore, varra a paginação e capture o conteúdo de cada nó mais sua API em uma árvore de dados.
Baixe tudo
Arquivos, vídeo (yt-dlp), galerias (gallery-dl) e comentários de plataformas — além do mero texto da página.
Anonimização de PII
Três modos de privacidade — opaco, reversível e direto — limitados por papel e fail-closed, com NER completo via Anonimal ou um fallback de regex embutido.
Proxies e cookies
Cole um proxy em qualquer formato e teste o seu IP de saída; cole cookies ou leia-os do seu navegador local para páginas atrás de um login.
Acesso baseado em papéis
Três níveis — dios / angel / humano — cada um com sua própria senha e limites de capacidade, aplicados em REST e MCP.
REST + MCP
Conduza-o a partir de curl, n8n, Claude Code ou Escriba. O mesmo pipeline é exposto como ferramentas MCP.