data-extraction

提供大規模搜尋、抓取與互動的 Context API。🔥

🕷️ 一個自適應的網路爬蟲框架，能處理單一請求到全規模爬取的所有需求！

基於 AI 的 Python 抓取工具

🔥 開源無程式碼平台，用於網頁爬取、爬蟲、搜尋與 AI 資料抽取 • 只需數分鐘即可將網站轉換為結構化 API 🔥

宣告式資料自動化語言與 Go 執行環境，用於結構化抽取工作流程。

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.

一款強大的 Model Context Protocol (MCP) 伺服器，為公開網路存取提供全方位解決方案。

無法被偵測的自架瀏覽器自動化平台。由 Camoufox (Firefox) 驅動，實現 0% 偵測率。為速度、隱私與可擴展性而打造。

用於爬取食譜資料的 Python 套件

ContextGem：輕鬆從文件中進行 LLM 萃取

從給定的 URL 擷取文章

:truck: 透過 Pandas、Dask、cuDF、Dask-cuDF、Vaex 與 PySpark 輕鬆實現敏捷資料準備工作流程。

一個對新手友好且功能強大的 Python 財務分析與自動化工具包 — 旨在讓現代投資人人都能上手

使用 LLM 進行網站爬蟲的輕量級函式庫

⛏️ Maigret 背後的擷取引擎：將任何個人檔案 URL 轉化為跨越 150 多個網站的結構化 OSINT 記錄

適用於 Python 與 Rust 的最快 PDF 函式庫。支援文字萃取、圖片萃取、Markdown 轉換、PDF 建立與編輯。平均 0.8ms，比業界領導者快 5 倍，3,830 個 PDF 測試 100% 通過率。採用 MIT/Apache-2.0 授權。

用 Rust 寫的快速、輕量級 Firecrawl/Tavily 替代方案。具備 MCP 伺服器的網頁爬蟲、抓取與搜尋 API，專為 AI agent 設計。相容 Firecrawl API（/scrape、/crawl、/search）。在 1K-URL 效能測試中，比 Tavily 快 2.3 倍、比 Firecrawl 快 1.5 倍。僅需 6 MB RAM、單一執行檔。可自架或使用託管雲端。

本機優先、開源的資料 AI 助理。整合任務、筆記、文件、相片與書籤。具備隱私、自我主機架設，並可透過 API 擴充。

:newspaper: 讓 ChatGPT 為你總結 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!

🚜 從 PDF 檔案中解析文字與表格。

🤖 具備視覺化工作流程建構器的 AI 網頁爬蟲編輯器。透過自然語言建構、測試與部署網頁爬蟲。由 ScrapeGraphAI 與 LangGraph 驅動。

Google Reviews API 整合與可擴展的 Google Reviews 爬蟲，用於從 Google Maps 提取評分、評論文字和商業洞察

Python 中隱蔽的網頁爬蟲與無縫 HTML 解析工具！

「遺失的 GitHub 狀態頁面」—— 一項嘗試以 Flat Data 記錄 GitHub 歷史狀態的專案

用於 AI 的開源網頁基礎設施。支援網頁抓取、爬蟲、自動化、Markdown 清理與瀏覽器工作階段，為你的 Agent 做好準備。

免費開源的 AI 程式設計助手對話紀錄提取工具。支援 Claude Code、Cursor、Windsurf、Aider、Cline/Roo Code 等