Webseiten-zu-Markdown-Konverter im Vergleich mit Jina Reader, Pandoc und Firecrawl| Webseiten-zu-Markdown-Konverter (SiteGPT) | Jina Reader | Pandoc | Feuerkriechgang |
|---|
| Eingabe und Ausgabe: Das Tool nimmt eine URL entgegen und gibt den Haupttext, die Überschriften und die Links als Markdown-Format zurück, nachdem Navigationsleisten, Fußzeilen und Tracking-Skripte entfernt wurden. Die Ausgabe ist für die Integration in LLM-Systeme, Wissensdatenbanken und Dokumentationssysteme vorgesehen. | Eingabe und Ausgabe: Der Reader wird durch Voranstellen von „r.jina.ai“ an eine URL verwendet. Standardmäßig wird Markdown ausgegeben. JSON mit URL, Titel, Inhalt und Zeitstempel wird zurückgegeben, wenn der Accept-Header dies anfordert. Strukturierte Datenextraktion ist über einen Schema-Header und das ReaderLM-v2-Modell möglich. | Eingabe und Ausgabe: Pandoc ist ein Dokumentenkonverter, der zahlreiche Auszeichnungsformate unterstützt, darunter HTML, verschiedene Markdown-Varianten, LaTeX, docx, EPUB und Jupyter Notebooks. Er konvertiert bereits vorhandene Dokumente und versteht sich nicht als Web-Content-Extraktor. | Eingabe und Ausgabe: Ein Scrape liefert Markdown, HTML, Screenshots oder strukturiertes JSON. Parse konvertiert PDF- und DOCX-Dateien in Markdown, und Map gibt die auf einer Website gefundenen Links zurück. |
| Nutzungsumfang: Die Beschreibung stellt ein Hilfsprogramm vor, das jeweils eine URL konvertiert. | Nutzungsumfang: Reader verfügt außerdem über einen Suchmodus (s.jina.ai), der die fünf besten Ergebnisse mit ihren Inhalten anzeigt. Die Ratenbegrenzungen hängen vom gewählten Lizenzschlüssel ab; mit einem kostenlosen Schlüssel sind für Reader 500 Anfragen pro Minute möglich. | Nutzungsumfang: Pandoc läuft sowohl als Kommandozeilenprogramm als auch als Haskell-Bibliothek. | Nutzungsumfang: Die Endpunkte Crawl, Batch Scrape und Search ermöglichen die Verarbeitung ganzer Websites und vieler Seiten über eine API. |
| Offenheit und Selbsthosting: Der Quellcode des Reader-Dienstes befindet sich auf GitHub unter der Organisation von Jina AI. Das ReaderLM-v2-Modell steht unter der CC-BY-NC 4.0-Lizenz, die laut Anbieter keine Open-Source-Lizenz ist; für die kommerzielle Nutzung ist eine separate Lizenz erforderlich. | Offenheit und Selbsthosting: Pandoc ist freie Software, die unter der GPL veröffentlicht wird; das Urheberrecht liegt bei John MacFarlane. | Offenheit und Selbsthosting: Das Haupt-Repository steht unter der AGPL-3.0-Lizenz, die SDKs unter MIT. Selbsthosting ist mit Docker Compose möglich, der Anbieter weist jedoch darauf hin, dass der Standard-Stack nicht für den Produktiveinsatz geeignet ist und dass erweiterte Bot-Abwehr und Screenshot-Funktionen Cloud-Funktionen sind. |
| Zugangs- und Kostenmodell: Die Basisnutzung ist ohne Schlüssel mit dem niedrigsten Limit von 20 Anfragen pro Minute möglich. Ein Schlüssel erhöht die Limits, und die kostenpflichtige Nutzung wird anhand der Inhaltslänge in Tokens abgerechnet. Neue Schlüssel beinhalten kostenlose Tokens. | Zugangs- und Kostenmodell: Kostenlose Software ohne Konto oder Datenlimit. | Zugangs- und Kostenmodell: Es gibt einen kostenlosen Tarif mit 1.000 Credits pro Monat, für den keine Kreditkarte erforderlich ist. Das Auslesen einer Seite kostet 1 Credit, die JSON-Extraktion erhöht das Guthaben. Außerdem sind kostenpflichtige Abonnements und Prepaid-Aufladungen verfügbar. |
