Intégration · Crawl
Pas d’API ? Votre sitemap suffit.
AACSearch lit votre sitemap ou vos pages de départ, récupère chaque page en toute sécurité, retire le balisage et indexe le texte. Pour une documentation, il découpe les pages par titres afin que chaque résultat renvoie à la section exacte.
Deux façons de crawler
Crawl par sitemap
Chaque URL de sitemap.xml devient un document avec titre, texte et URL, actualisé selon un planning.
Crawl de documentation
À la manière de DocSearch : URL de départ, domaines autorisés et sélecteurs CSS pour les niveaux de titre et le texte, afin que chaque section soit un résultat à part entière avec son ancre.
Sûr par conception
Adresses publiques uniquement
Le crawler refuse les adresses privées et de loopback et revérifie chaque redirection : il ne peut donc pas être retourné contre un réseau interne.
Exécutions bornées
Des limites de pages et de profondeur empêchent un crawl de s’emballer sur un site aux calendriers ou filtres infinis.
Ce que cela permet
Réponses IA sourcées
L’assistant répond à partir des pages crawlées et renvoie à la section utilisée.
Recherche par le sens
La recherche hybride trouve le bon article même lorsque les mots du visiteur diffèrent du titre.
Caractéristiques
- Sources
sitemap.xml, URL individuelles, URL de départ de documentation- Pages par crawl de documentation
- 50 par défaut, jusqu’à 1 000
- Profondeur des liens
- 10 par défaut
- Documents par exécution de sitemap
- 500 par défaut, jusqu’à 2 000
- Redirections suivies
- jusqu’à 5, chacune revérifiée
- Planification
- manuelle, horaire, quotidienne ou hebdomadaire
Avant de commencer
- Un sitemap public ou une liste d’URL de départ
- Pour une documentation : les sélecteurs CSS du titre de page, des intertitres et du corps
- Des pages qui rendent leur texte en HTML (les applications uniquement côté client peuvent nécessiter l’API documents)