🚀 想要一种更快、更简单的大规模抓取方式（只需 5 行代码）？请查看我们在 ScrapeGraphAI.com 上的增强版本！🚀

🕷️ ScrapeGraphAI：你只需抓取一次

ScrapeGraphAI 是一个 网页抓取 Python 库，它利用 LLM 和直接图逻辑为网站和本地文档（XML、HTML、JSON、Markdown 等）创建抓取管道。

只需说出你想提取哪些信息，这个库就会为你完成！

🚀 集成

ScrapeGraphAI 提供与主流框架和工具的无缝集成，以增强你的抓取能力。无论你是在使用 Python 或 Node.js 开发、使用 LLM 框架，还是在使用无代码平台，我们全面的集成选项都能满足你的需求。

你可以在以下链接找到更多信息

集成：

API：文档
SDK：Python、Node
LLM 框架：Langchain、Llama Index、Crew.ai、Agno、CamelAI
低代码框架：Pipedream、Bubble、Zapier、n8n、Dify、Toolhouse
MCP 服务器：链接

🚀 快速安装

Scrapegraph-ai 的参考页面可在 PyPI 官方页面查看：pypi。

pip install scrapegraphai

# IMPORTANT (for fetching websites content)
playwright install

注意：建议在虚拟环境中安装该库，以避免与其他库发生冲突 🐱

💻 使用

有多种标准抓取管道可用于从网站（或本地文件）中提取信息。

最常用的是 SmartScraperGraph，它根据用户提示和源 URL 从单个页面提取信息。

from scrapegraphai.graphs import SmartScraperGraph

# Define the configuration for the scraping pipeline
graph_config = {
    "llm": {
        "model": "ollama/llama3.2",
        "model_tokens": 8192,
        "format": "json",
    },
    "verbose": True,
    "headless": False,
}

# Create the SmartScraperGraph instance
smart_scraper_graph = SmartScraperGraph(
    prompt="Extract useful information from the webpage, including a description of what the company does, founders and social media links",
    source="https://scrapegraphai.com/",
    config=graph_config
)

# Run the pipeline
result = smart_scraper_graph.run()

import json
print(json.dumps(result, indent=4))

[!NOTE] 对于 OpenAI 和其他模型，你只需更改 llm 配置！
graph_config = {
   "llm": {
       "api_key": "YOUR_OPENAI_API_KEY",
       "model": "openai/gpt-4o-mini",
   },
   "verbose": True,
   "headless": False,
}

输出将是如下所示的字典：

{
    "description": "ScrapeGraphAI transforms websites into clean, organized data for AI agents and data analytics. It offers an AI-powered API for effortless and cost-effective data extraction.",
    "founders": [
        {
            "name": "",
            "role": "Founder & Technical Lead",
            "linkedin": "https://www.linkedin.com/in/perinim/"
        },
        {
            "name": "Marco Vinciguerra",
            "role": "Founder & Software Engineer",
            "linkedin": "https://www.linkedin.com/in/marco-vinciguerra-7ba365242/"
        },
        {
            "name": "Lorenzo Padoan",
            "role": "Founder & Product Engineer",
            "linkedin": "https://www.linkedin.com/in/lorenzo-padoan-4521a2154/"
        }
    ],
    "social_media_links": {
        "linkedin": "https://www.linkedin.com/company/101881123",
        "twitter": "https://x.com/scrapegraphai",
        "github": "https://github.com/ScrapeGraphAI/Scrapegraph-ai"
    }
}

还有其他管道可用于从多个页面提取信息、生成 Python 脚本，甚至生成音频文件。

管道名称	描述
SmartScraperGraph	单页抓取器，只需用户提示和输入源即可。
SearchGraph	多页抓取器，从搜索引擎的前 n 个搜索结果中提取信息。
SpeechGraph	单页抓取器，从网站提取信息并生成音频文件。
ScriptCreatorGraph	单页抓取器，从网站提取信息并生成 Python 脚本。
SmartScraperMultiGraph	多页抓取器，根据单一提示和源列表从多个页面提取信息。
ScriptCreatorMultiGraph	多页抓取器，生成 Python 脚本，用于从多个页面和源提取信息。

这些图都有对应的多页面（multi）版本，可以并行调用 LLM。

可以通过 API 使用不同的 LLM，例如 OpenAI、Groq、Azure、Gemini、MiniMax 等，也可以通过 Ollama 使用本地模型。

如果你想使用本地模型，请记得安装 Ollama，并使用 ollama pull 命令下载模型。

📖 文档

ScrapeGraphAI 的文档可以在这里找到。

🆚 开源版与托管 API

ScrapeGraphAI 有两种形态：这个开源库（由你自己运行）和托管云 API（通过 Python 和 JS/TS SDK 使用）。下表说明了二者的区别，以帮助你选择合适的一款。

	开源版（`scrapegraphai`）	托管 API（`scrapegraph-py` / `scrapegraph-js`）
是什么	由你自己运行的 Python 库	通过 SDK 调用的托管云服务
运行位置	你自己的基础设施（自托管）	ScrapeGraphAI 云
LLM	自带（OpenAI、Groq、Gemini、Azure、通过 Ollama 使用本地模型）	由我们托管
浏览器 / JS 渲染	由你配置（Playwright）	托管（隐身模式、`auto`/`fast`/`js` 模式）
代理与反爬虫	由你负责	已包含
扩展与维护	由你负责	完全托管
成本模式	LLM token + 自有基础设施	按量付费积分
认证	你自己的 LLM 密钥	`SGAI_API_KEY`
能力	图谱管道（SmartScraper、Search、Speech、ScriptCreator…）	Scrape、Extract、Search、Crawl、Monitor、History
设置工作量	需要更多配置	极少 —— API 密钥 + 一次调用
许可证	MIT	SDK 为 MIT；API 服务为付费

如果你想完全掌控、数据本地化/自托管、使用本地 LLM（Ollama）或进行细粒度的成本调优——并且愿意自行管理浏览器、代理和扩展，请选择开源库。

如果你想要零基础设施、托管的 JS 渲染与反爬虫、内置的 Crawl 和定时 Monitor 任务，以及最快上线的路径——按积分计费，请选择托管 API。

开源库：https://github.com/ScrapeGraphAI/Scrapegraph-ai
Python SDK：https://github.com/ScrapeGraphAI/scrapegraph-py
JS/TS SDK：https://github.com/ScrapeGraphAI/scrapegraph-js
API 文档：https://docs.scrapegraphai.com/introduction

🤝 贡献

欢迎贡献代码，并加入我们的 Discord 服务器，与我们讨论改进并给出建议！

请参阅贡献指南。

🔗 ScrapeGraph API 与 SDK

如果你正在寻找将 ScrapeGraph 集成到系统中的快速解决方案，请在此处查看我们强大的 API！

我们提供 Python 和 Node.js 两种 SDK，方便你集成到项目中。请看下面的内容：

SDK	语言	GitHub 链接
Python SDK	Python	scrapegraph-py
Node.js SDK	Node.js	scrapegraph-js

官方 API 文档可以在这里找到。

📈 遥测

我们会收集匿名使用指标，以提升软件包的质量和用户体验。这些数据帮助我们确定改进的优先级并确保兼容性。如果你希望退出，请将环境变量 SCRAPEGRAPHAI_TELEMETRY_ENABLED 设置为 false。更多信息请参阅此处的文档。

❤️ 贡献者

🎓 引用

如果你已将该库用于研究目的，请使用以下参考文献引用我们：

  @misc{scrapegraph-ai,
    author = {Lorenzo Padoan, Marco Vinciguerra},
    title = {Scrapegraph-ai},
    year = {2024},
    url = {https://github.com/ScrapeGraphAI/Scrapegraph-ai},
    note = {A Python library for scraping leveraging large language models}
  }

作者

	联系方式
Marco Vinciguerra
Lorenzo Padoan

📜 许可证

ScrapeGraphAI 采用 MIT 许可证。更多信息请参阅 LICENSE 文件。

致谢

我们要感谢项目的所有贡献者以及开源社区的支持。
ScrapeGraphAI 仅供数据探索和研究目的使用。我们不对该库的任何滥用行为负责。

由 ScrapeGraph AI 用 ❤️ 制作

Scarf tracking

Scrapegraph-ai v2.2.4

分类