主题
Jina-AI Reader：如何把网页URL里的内容提取出来？
Jina是一个开源的神经搜索框架，它利用人工智能技术，特别是自然语言处理（NLP）和计算机视觉（CV），来实现高效的内容理解和检索。在网页内容提取的场景下，主要利用其文本处理能力，通过定制化的模型和算法，精准捕获网页中的关键信息。
Reader是一个 Jina AI 开发的专为LLM设计的工具，它可以将网页信息转换为LLM友好的格式，如Markdown。通过去除网页中的冗余HTML标签和代码，Reader保留了核心文本内容，使得LLM能够更容易地解析和理解网页信息。
主要功能有两个：读取和搜索。
读取（Read）：将 URL 转换为 LLM 友好的输入。
搜索（Search）：允许 LLM 访问来自网络的最新世界知识。
读取模式
在浏览器地址栏中输入 https://r.jina.ai/，后面跟上想要转换的网页 URL。
- 提取网页内容: 直接使用requests请求这个地址，拿到Markdown格式的正文。例如：
https://r.jina.ai/https://www.baidu.com，可以直接返回百度一下页面的内容 - 获取图片信息：输入图片地址：
https://r.jina.ai/https://www.clzg.cn/_nuxt/img/clzg_logo_white.0368241.png，返回图片的名称，尺寸等信息。 - 提取PDF内容： 输入PDF地址：
https://r.jina.ai/https://arxiv.org/pdf/2312.10997.pdf，能够直接提取pdf里的内容。