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#

bash

# 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#

bash

# 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）#

json

{
  "url": "https://example.com",
  "scrapedAt": "2026-02-28T01:13:00Z",
  "data": [
    {
      "title": "产品标题",
      "price": "$99.99",
      "rating": 4.5
    }
  ]
}

CSV#

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：

bash

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：

json

{
  "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：

bash

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