- name
- data-scraper
- description
- 智能数据抓取工具 - 从网页/API 提取结构化数据，支持批量处理
- author
- AI Company
- version
- 0.1.0
- metadata
- {"emoji": "🕷️", "category": "data"}
Data Scraper - 智能数据抓取工具
从网页、API 自动提取结构化数据，支持批量处理和多种输出格式。
功能特性
- 🕷️ 网页数据抓取 - 自动识别并提取目标数据
- 📊 结构化输出 - JSON、CSV、Excel 格式
- 🔄 批量处理 - 支持多页面/多 URL 批量抓取
- 🛡️ 反爬规避 - 智能请求频率控制
- 🔌 API 集成 - 支持 REST/GraphQL API
- 📝 数据清洗 - 自动去重、格式化
使用方法
基础用法
# 抓取单个网页
uv run scripts/data-scraper.py scrape --url "https://example.com/products" --selector ".product"
# 抓取多个页面
uv run scripts/data-scraper.py scrape --urls-file urls.txt --output data.json
# 从 API 获取数据
uv run scripts/data-scraper.py api --endpoint "https://api.example.com/data" --auth "Bearer TOKEN"高级选项
# 指定输出格式
uv run scripts/data-scraper.py scrape --url "https://example.com" --format csv --output products.csv
# 设置请求延迟（避免被封）
uv run scripts/data-scraper.py scrape --url "https://example.com" --delay 2
# 使用代理
uv run scripts/data-scraper.py scrape --url "https://example.com" --proxy "http://proxy:port"
# 定时抓取
uv run scripts/data-scraper.py scrape --url "https://example.com" --schedule "0 */6 * * *"支持的数据类型
| 类型 | 描述 | 示例 |
|---|---|---|
product | 电商产品 | 价格、名称、评分、库存 |
article | 新闻/博客 | 标题、作者、日期、内容 |
job | 招聘信息 | 职位、公司、薪资、要求 |
real_estate | 房产信息 | 价格、面积、位置、户型 |
social | 社交媒体 | 帖子、评论、点赞数 |
custom | 自定义 | 通过 CSS/XPath 选择器定义 |
输出格式
JSON（默认）
{
"url": "https://example.com",
"scrapedAt": "2026-02-28T01:13:00Z",
"data": [
{
"title": "产品标题",
"price": "$99.99",
"rating": 4.5
}
]
}CSV
title,price,rating,url
产品标题,$99.99,4.5,https://...Excel
- 多工作表支持
- 自动格式化
- 数据透视表
定价建议
| 版本 | 功能 | 价格 |
|---|---|---|
| 基础版 | 单次抓取，100 页/月 | $49 |
| 专业版 | 批量抓取，1000 页/月，定时任务 | $149 |
| 企业版 | 无限抓取，API 访问，定制支持 | $499 |
示例
电商产品价格监控
输入：
uv run scripts/data-scraper.py scrape \
--url "https://amazon.com/s?k=wireless+headphones" \
--type product \
--fields "title,price,rating,reviews" \
--output headphones.json输出：
{
"scrapedAt": "2026-02-28T01:13:00Z",
"count": 50,
"data": [
{
"title": "Sony WH-1000XM5",
"price": "$349.99",
"rating": 4.7,
"reviews": 12453
}
]
}招聘信息抓取
输入：
uv run scripts/data-scraper.py scrape \
--url "https://linkedin.com/jobs/search?keywords=python+developer" \
--type job \
--fields "title,company,location,salary" \
--output jobs.csv技术实现
- 使用 Playwright/BeautifulSoup 进行网页解析
- 支持 JavaScript 渲染页面
- 智能重试和错误处理
- 可集成到 OpenClaw 工作流
注意事项
⚠️ 合法合规使用
- 遵守目标网站 robots.txt
- 不要过度请求导致服务器压力
- 尊重数据版权和隐私
- 仅抓取公开数据
更新日志
v0.1.0 (2026-02-28)
- 初始版本发布
- 支持基础网页抓取
- 支持 JSON/CSV 输出
- 支持批量处理
待开发功能
- [ ] 图形化配置界面
- [ ] 数据可视化
- [ ] 自动字段识别
- [ ] 云存储集成
- [ ] 实时监控告警
开发者： VIC ai-company 许可： MIT 支持： 联系 main agent