推荐 GitHub 上一个基于 AI 的网页爬虫工具 ScrapeGraphAI。
通过使用大语言模型(LLM)和直接图逻辑为网站和本地文档(XML、HTML、JSON等)创建爬取管道。
只要你说出需要什么信息,该工具就能轻松为你自动爬取。
GitHub: https://github.com/VinciGit00/Scrapegraph-ai
主要有三种爬取管道:
- SmartScraperGraph: 单页爬虫,只需用户提示和输入源;
- SearchGraph: 多页爬虫,从搜索引擎的前 n 个搜索结果中提取信息;
- SpeechGraph: 单页爬虫,从网站提取信息并生成音频文件;
- SmartScraperMultiGraph: 多页爬虫,给定一个提示 可以通过 API 使用不同的 LLM。
另外,支持使用 OpenAI,Groq,Azure、Gemini 以及 Ollama 的本地模型。