data-extraction

提供大规模搜索、抓取与交互的 Context API。🔥

🕷️ 一个自适应的网络爬虫框架，能够处理单一请求到全规模爬取的所有需求！

基于 AI 的 Python 抓取工具

🔥 开源无代码平台，用于网页爬取、爬虫、搜索与 AI 数据抽取 • 只需几分钟即可将网站转化为结构化 API 🔥

声明式数据自动化语言与 Go 运行时，用于结构化抽取工作流。

从句子中提取关键词或替换句子中的关键词

Browser automation CLI built for AI agents. Break through anti-bot walls, hand off to humans across platforms when stuck. Parallel multi-task execution, independent multi-session operation, isolated multi-account browsing.

一款强大的 Model Context Protocol (MCP) 服务器，为公开网络访问提供全方位解决方案。

无法被检测的自托管浏览器自动化平台。由 Camoufox (Firefox) 驱动，实现 0% 检测率。为速度、隐私与可扩展性而打造。

用于爬取食谱数据的 Python 软件包

ContextGem：轻松从文件中进行 LLM 提取

从给定的 URL 提取文章

:truck: 通过 Pandas、Dask、cuDF、Dask-cuDF、Vaex 和 PySpark 轻松实现敏捷数据准备工作流程。

一个对新手友好且功能强大的 Python 财务分析与自动化工具包 — 旨在让现代投资人人都能上手

使用 LLM 进行网站爬虫的轻量级库

⛏️ Maigret 背后的提取引擎：将任何个人资料 URL 转化为跨越 150 多个网站的结构化 OSINT 记录

适用于 Python 与 Rust 的最快 PDF 库。支持文字提取、图片提取、Markdown 转换、PDF 创建与编辑。平均 0.8ms，比业界领导者快 5 倍，3,830 个 PDF 测试 100% 通过率。采用 MIT/Apache-2.0 授权。

用 Rust 编写的快速、轻量级 Firecrawl/Tavily 替代方案。具备 MCP 服务器的网页爬虫、抓取与搜索 API，专为 AI agent 设计。兼容 Firecrawl API（/scrape、/crawl、/search）。在 1K-URL 效能测试中，比 Tavily 快 2.3 倍、比 Firecrawl 快 1.5 倍。仅需 6 MB RAM、单一执行档。可自架或使用托管云端。

本地优先、开源的资料 AI 助理。整合任务、笔记、文档、照片与书签。具备隐私、自托管，并可通过 API 扩展。

:newspaper: 让 ChatGPT 为你总结 Hacker News

Effortlessly extract data with our AI scraper API. Simplify data extraction, get clean JSON outputs and adapt to page changes. Try it free today!

🚜 从 PDF 文件中解析文字与表格。

🤖 具备可视化工作流程构建器的 AI 网页爬虫编辑器。通过自然语言构建、测试与部署网页爬虫。由 ScrapeGraphAI 与 LangGraph 驱动。

Google Reviews API 集成与可扩展的 Google Reviews 爬虫，用于从 Google Maps 提取评分、评论文本和商业洞察

Python 中隐蔽的网页爬虫与无缝 HTML 解析工具！

「遗失的 GitHub 状态页面」—— 一项尝试以 Flat Data 记录 GitHub 历史状态的项目

用于 AI 的开源网页基础设施。支持网页抓取、爬虫、自动化、Markdown 清理与浏览器会话，为你的 Agent 做好准备。

免费开源的 AI 编程助手对话记录提取工具。支持 Claude Code、Cursor、Windsurf、Aider、Cline/Roo Code 等