# Modo JSON - Resultado Estruturado > Extraia dados estruturados de páginas com LLMs import ExtractCURL from "/snippets/pt-BR/v2/scrape/json/base/curl.mdx"; import ExtractPython from "/snippets/pt-BR/v2/scrape/json/base/python.mdx"; import ExtractNode from "/snippets/pt-BR/v2/scrape/json/base/js.mdx"; import ExtractOutput from "/snippets/pt-BR/v2/scrape/json/base/output.mdx"; import ExtractNoSchemaPython from "/snippets/pt-BR/v2/scrape/json/no-schema/python.mdx"; import ExtractNoSchemaNode from "/snippets/pt-BR/v2/scrape/json/no-schema/js.mdx"; import ExtractNoSchemaCURL from "/snippets/pt-BR/v2/scrape/json/no-schema/curl.mdx"; import ExtractNoSchemaOutput from "/snippets/pt-BR/v2/scrape/json/no-schema/output.mdx"; import EventExampleCURL from "/snippets/pt-BR/v2/scrape/json/events-example/curl.mdx"; import EventExamplePython from "/snippets/pt-BR/v2/scrape/json/events-example/python.mdx"; import EventExampleNode from "/snippets/pt-BR/v2/scrape/json/events-example/js.mdx"; import EventExampleOutput from "/snippets/pt-BR/v2/scrape/json/events-example/output.mdx"; import ChooseDataExtractor from "/snippets/pt-BR/shared/choose-data-extractor/from-llm-extract.mdx"; **Escolha da ferramenta certa.** O modo JSON (esta página) é ideal quando você tem **uma URL** e quer extrair campos dessa única página. **Mudança na API v2:** A extração de schema JSON é totalmente suportada na v2, mas o formato da API mudou. Na v2, o esquema é incorporado diretamente no objeto de formatos como `formats: [{type: "json", schema: {...}}]`. O parâmetro `jsonOptions` da v1 não existe mais na v2. Para falhas na validação de esquema e outros erros de extração, consulte [Erros](/pt-BR/api-reference/errors) — problemas específicos de extração normalmente aparecem como respostas `400` ou `422`.
## Raspe e extraia dados estruturados com o Firecrawl
O Firecrawl usa IA para obter dados estruturados de páginas da web em 3 etapas: 1. **Defina o esquema (opcional):** Defina um esquema JSON (no formato da OpenAI) para especificar os dados desejados, ou forneça apenas um `prompt` se não precisar de um esquema rígido, junto com a URL da página. 2. **Faça a requisição:** Envie sua URL e o esquema para nosso endpoint /scrape usando o modo JSON. Veja como aqui: [Scrape Endpoint Documentation](https://docs.firecrawl.dev/api-reference/endpoint/scrape) 3. **Obtenha seus dados:** Receba dados limpos e estruturados que correspondem ao seu esquema, prontos para uso imediato. Isso torna rápido e fácil obter dados da web no formato de que você precisa.
## Extraia dados estruturados
### Modo JSON via /scrape
Usado para extrair dados estruturados de páginas extraídas. Saída:
### Dados estruturados sem esquema
Você também pode extrair sem um esquema, apenas passando um `prompt` para o endpoint. O LLM escolhe a estrutura dos dados. Resultado:
### Exemplo real: extraindo informações de empresas
Aqui está um exemplo completo de extração de informações estruturadas de empresas a partir de um site: Resultado:
### Opções do formato JSON
Ao usar o modo JSON na v2, inclua um objeto em `formats` com o esquema incorporado diretamente: `formats: [{ type: 'json', schema: { ... }, prompt: '...' }]` Parâmetros: * `schema`: schema JSON que descreve a saída estruturada desejada (obrigatório para extração baseada em esquema). * `prompt`: prompt opcional para orientar a extração (também usado para extração sem esquema). * `checkPromptInjection`: booleano opcional (o padrão é `false`). Quando ativado, o Firecrawl verifica o conteúdo da página extraída em busca de tentativas de injeção de prompt antes de executar a extração. Consulte [Detecção de injeção de prompt](#prompt-injection-detection). **Importante:** Diferente da v1, não há um parâmetro separado `jsonOptions` na v2. O esquema deve ser incluído diretamente dentro do objeto de formato no array `formats`.
### Detecção de injeção de prompt
Páginas web podem conter texto oculto criado para sequestrar extrações baseadas em LLM — por exemplo, instruções que dizem ao modelo para ignorar seu esquema e retornar dados controlados por um invasor. Se você extrair dados de URLs não confiáveis ou enviadas por usuários, poderá ativar uma proteção opcional que verifica o conteúdo extraído antes de executar a extração: ```json { "url": "https://example.com", "formats": [ { "type": "json", "schema": { "type": "object", "properties": { "title": { "type": "string" } } }, "checkPromptInjection": true } ] } ``` Como funciona: * Uma chamada dedicada ao classificador inspeciona o conteúdo da página extraída (ela é executada em paralelo com a extração, portanto, ativá-la não torna scrapings sem problemas mais lentos). * Se uma tentativa de injeção de prompt for detectada, a solicitação falhará com um HTTP `403` e o código de erro `SCRAPE_PROMPT_INJECTION_DETECTED` — nenhum resultado da extração será retornado. * A verificação é cobrada como **+4 créditos** além do custo padrão do formato JSON quando é executada. Se o scraping falhar após a execução da verificação (inclusive quando uma injeção é detectada e a solicitação é bloqueada), serão cobrados **5 créditos** em vez dos 0 habituais para um scraping com falha, pois a chamada ao classificador ainda foi executada. Na v1, a mesma opção está disponível como `jsonOptions.checkPromptInjection`. Ela também é exposta em todos os SDKs oficiais (por exemplo, `checkPromptInjection` no SDK JS, `check_prompt_injection` no formato JSON v2 do SDK Python's). **Atributos HTML não estão disponíveis na extração JSON.** A extração JSON funciona a partir da conversão da página para markdown, que preserva apenas o conteúdo de texto visível. Atributos HTML (por exemplo, `data-id`, atributos personalizados em elementos) são removidos durante a conversão e o LLM não consegue vê-los. Se você precisar extrair valores de atributos HTML, use o formato `rawHtml` e faça o parsing dos atributos no lado do cliente, ou use uma ação `executeJavascript` para injetar os valores dos atributos em texto visível antes da extração.
## Dicas para extração consistente
Se você estiver obtendo resultados inconsistentes ou incompletos na extração JSON, estas práticas podem ajudar: * **Mantenha os prompts curtos e focados.** Prompts longos com muitas regras aumentam a variabilidade. Em vez disso, mova restrições específicas (como valores permitidos) para o esquema. * **Use nomes de propriedades concisos.** Evite incluir instruções ou listas de enum nos nomes das propriedades. Use uma chave curta como `"installation_type"` e coloque os valores permitidos em um array `enum`. * **Adicione arrays `enum` para campos com valores restritos.** Quando um campo tiver um conjunto fixo de valores, liste-os em `enum` e garanta que correspondam exatamente ao texto exibido na página. * **Inclua tratamento de `null` nas descrições dos campos.** Adicione `"Return null if not found on the page."` à `description` de cada campo para que o modelo não tente deduzir valores ausentes. * **Adicione dicas de localização.** Diga ao modelo onde encontrar os dados na página, por exemplo: `"Flow rate in GPM from the Specifications table."`. * **Divida esquemas grandes em solicitações menores.** Esquemas com muitos campos (por exemplo, 30+) produzem resultados menos consistentes. Divida-os em 2–3 solicitações de 10–15 campos cada. * **Evite `minItems`/`maxItems` em arrays.** Palavras-chave de validação do esquema JSON como `minItems` e `maxItems` não controlam a quantidade de conteúdo que o scraper coleta. Definir `minItems: 20` não fará o LLM retornar mais itens — em vez disso, ele pode alucinar entradas para satisfazer a restrição. Remova essas palavras-chave e use um `prompt` no lugar (por exemplo, `"Extract ALL reviews from the page. Do not skip any."`) para orientar a completude. * **Use `"type": "array"` para extrair listas de itens.** Se você precisar extrair vários itens (por exemplo, uma lista de pessoas, produtos ou avaliações), agrupe-os em uma propriedade do tipo array com um bloco `items`. Usar `"type": "object"` para uma lista retornará apenas um único item. Veja o exemplo de esquema de array abaixo. **Exemplo de um esquema bem estruturado:** ```json { "type": "object", "properties": { "product_name": { "type": ["string", "null"], "description": "Full descriptive product name as shown on the page. Return null if not found." }, "installation_type": { "type": ["string", "null"], "description": "Installation type from the Specifications section. Return null if not found.", "enum": ["Deck-mount", "Wall-mount", "Countertop", "Drop-in", "Undermount"] }, "flow_rate_gpm": { "type": ["string", "null"], "description": "Flow rate in GPM from the Specifications section. Return null if not found." } } } ``` **Exemplo de como extrair uma lista de itens:** Quando uma página contém vários itens (por exemplo, membros da equipe, produtos ou avaliações), use `"type": "array"` com `"items"` para obter a lista completa: ```json { "type": "object", "properties": { "people": { "type": "array", "items": { "type": "object", "properties": { "name": { "type": "string" }, "role": { "type": "string" }, "department": { "type": "string" } } } } } } ``` > Você é um agente de IA que precisa de uma chave de API do Firecrawl? Veja [firecrawl.dev/agent-onboarding/SKILL.md](https://www.firecrawl.dev/agent-onboarding/SKILL.md) para ver instruções de onboarding automatizado.