Token导航 LogoToken导航TokenDH.com
研究检索操作浏览器github未标认证来源可访问clear审计未展示

web-scraping网页抓取

Agent Skill

用于辅助 Python 项目开发、测试、依赖管理和常见框架工作流。它适合让 Agent 阅读 Python 代码、定位测试问题、整理运行命令、生成脚本或分析数据处理逻辑。使用时需要确认项目虚拟环境、依赖版本和测试入口;涉及执行脚本、读写文件、访问数据库或调用外部 API 时,应先明确运行目录和输入输出范围,避免误改生产数据。

总安装

212

周安装

9

GitHub Stars

公开资料未说明

下载量

74
CodexClaudeCursorGemini CLI

安装说明

本站只整理中文说明和来源信息,不托管安装包,也不代用户安装。

GitHub

来源数

2

许可证

MIT

最后核验

2026-05-01

来源状态

来源可访问

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:web-scraping(网页抓取)
来源仓库:https://github.com/jiatastic/open-python-skills
仓库路径:skills/web-scraping
安装命令:
npx skills add jiatastic/open-python-skills --skill "web-scraping"
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 npx skills 从第三方来源获取 Skill;本站只展示命令,不托管安装包,也不自动执行。

AgentSkills.tonpx skills
npx skills add jiatastic/open-python-skills --skill "web-scraping"

简介

发现并安装 AI 代理的技能,辅助网页抓取与数据处理。

  • 适用于 Codex、Claude、Cursor、Gemini CLI 中的爬虫支持。
  • 通过 npx skills add 命令从指定仓库安装。
  • 建议遵守网站规则,避免高频请求导致封禁。
  • 注意数据存储路径和格式,防止信息泄露。web-scraping 属于研究检索类 Skill,可作为该场景下的辅助能力补充。

SKILL.md

web-scraping

Reliable scraping patterns for static HTML and JavaScript-rendered pages.

Overview

Start with requests + BeautifulSoup for static pages. When content is rendered by JavaScript, switch to Playwright. Always use timeouts, retries, and explicit user-agent headers.

When to Use

  • Extracting structured data from HTML pages
  • Monitoring content changes
  • Handling SPAs or dynamic content with a headless browser

When Not to Use

  • The site forbids scraping in ToS/robots.txt
  • An official API is available (prefer it)

Quick Start

uv pip install requests beautifulsoup4
import requests
from bs4 import BeautifulSoup

resp = requests.get("https://example.com", timeout=10)
resp.raise_for_status()

soup = BeautifulSoup(resp.text, "html.parser")
print(soup.title.text)

Core Patterns

  1. Use a Session: reuse connections and set default headers.
  2. Always set timeouts: avoid hanging requests.
  3. Respect robots.txt/ToS: throttle and avoid sensitive paths.
  4. Stable selectors: prefer semantic attributes or ids.
  5. Capture HTML snapshots: store responses for debugging.
  6. Escalate to Playwright: for JS-rendered pages.

Requests Patterns

import requests
from requests.adapters import HTTPAdapter
from urllib3.util import Retry

session = requests.Session()
session.headers.update({"User-Agent": "my-scraper/1.0"})

retries = Retry(total=3, backoff_factor=0.1, status_forcelist=[502, 503, 504])
session.mount("https://", HTTPAdapter(max_retries=retries))

resp = session.get("https://example.com", timeout=10)
resp.raise_for_status()

BeautifulSoup Patterns

from bs4 import BeautifulSoup

soup = BeautifulSoup(html, "html.parser")

# CSS selectors
links = soup.select("a[href]")
main = soup.select_one("#main")

Playwright (Dynamic Pages)

from playwright.sync_api import sync_playwright

with sync_playwright() as p:
    browser = p.chromium.launch(headless=True)
    page = browser.new_page()
    page.goto("https://example.com", wait_until="domcontentloaded")
    page.wait_for_selector(".product")
    html = page.content()
    browser.close()

Troubleshooting

  • Blocked requests: set User-Agent, add backoff, reduce rate.
  • Empty HTML: page is JS-rendered; use Playwright.
  • Selector breakage: update CSS selectors to stable attributes.

References

适合场景

01

用户想查找某类 Agent Skill 时

02

需要根据任务场景推荐可安装能力包时

03

需要对比不同来源的安装命令和来源信息时

04

需要参考平台分布和安装热度时

能力概览

能力 1

按任务关键词查找相关 Skills

能力 2

展示可复制的安装命令

能力 3

保留来源站点、仓库和原始说明,方便继续核验

能力 4

补充不同宿主或平台的使用分布数据

安装后应在对应宿主中按原始 README 的触发条件使用;具体调用方式请以来源页面和 README 为准。

平台分布

Claude Code

65.79%
按下载量换算49

github-copilot

27.17%
按下载量换算20

安全审计

暂无安全审计结果可展示。

权限和风险

操作浏览器

该 Skill 可能涉及浏览器控制能力,使用时可能读取或操作网页内容,需要在受控环境中确认权限边界。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。当前只有一个来源,正式发布前建议补源仓库或其他目录站核验。

来源信息

继续浏览同类 Skills