awesome-web-scraper
多语言网页抓取与爬虫工具资源汇总
awesome-web-scraper项目汇集了多种编程语言的网页抓取和爬虫工具，涵盖Java、C/C++、C#、Erlang、Python、PHP、Node.js、Ruby、Go和Rust等语言。该项目提供每个工具的简要说明和GitHub链接，便于开发者快速选择适合的解决方案。这些工具可用于网页数据抓取、内容提取和网站爬取，适用于搜索引擎构建、数据分析和自动化测试等场景。作为一个精选资源列表，awesome-web-scraper为开发者提供了宝贵的参考。
超赞网络爬虫 
优秀网络爬虫和爬虫工具的集合。
Java
- Apache Nutch - 高度可扩展、高度可伸缩的网络爬虫。可插拔的解析、协议、存储和索引。
- websphinx - 专门用于HTML信息提取的网站处理器。
- Open Search Server - 提供全套搜索功能。构建自己的索引策略。解析器提取全文数据。爬虫可以索引一切。
- crawler4j - Java开源网络爬虫，提供简单的接口用于爬取网页。使用它，你可以在几分钟内设置一个多线程网络爬虫。
C/C++
- HTTrack - 高度可扩展、高度可伸缩的网络爬虫。可插拔的解析、协议、存储和索引。
C#
- ccrawler - 基于C# 3.5版本构建。包含一个简单的网页内容分类器扩展，可以根据内容区分网页。
Erlang
- ebot - 基于nosql数据库(apache couchdb, riak)、AMQP数据库(rabbitmq)、webmachine和mochiweb构建的开源网络爬虫。
Python
- scrapy - Scrapy，一个快速的高层次网络爬虫和刮取框架。
- gdom - gdom，使用GraphQL进行DOM遍历和刮取。
- trafilatura - 用于提取元数据、主要文本和评论的库和命令行工具。
- extractnet - 基于机器学习的Python内容和元数据提取框架
- Scrapegraph-ai - 一个使用AI进行网页抓取的开源库
PHP
- Goutte - Goutte，一个简单的PHP网络爬虫。
- DiDOM - 简单快速的HTML解析器。
- simple_html_dom - 简单HTML DOM库的分支。
- PHPCrawl - PHPCrawl是一个用PHP编写的网站爬行/爬虫框架。
- Crawler - 用于快速网络爬虫和刮取开发的库。
Nodejs
- puppeteer - Headless Chrome Node API https://pptr.dev。
- Phantomjs - 可编程的Headless WebKit。
- node-crawler - NodeJS + 服务器端jQuery的网络爬虫/蜘蛛。
- node-simplecrawler - 灵活的事件驱动型node爬虫。
- spider - 使用node.js和jQuery对网站进行可编程爬取。
- slimerjs - 运行Gecko的类似PhantomJS的工具。
- casperjs - PhantomJS和SlimerJS的导航脚本编写和测试工具。
- zombie - 使用node.js的超快、全栈、无头浏览器测试。
- nightmare - Nightmare是PhantomJS的高级封装，让你可以自动化浏览器任务
- jsdom - WHATWG DOM和HTML标准的JavaScript实现，用于node.js
- xray - 下一代网络爬虫。透过
<html>噪音看本质。 - lightcrawler - 爬取网站并通过Google lighthouse运行。
Ruby
- wombat - 轻量级Ruby网络爬虫/刮取工具，具有优雅的DSL，可从页面提取结构化数据。
Go
Rust
许可证
贡献
在提交建议之前，请阅读贡献指南。
编辑推荐精选
即梦AI
一站式AI创作平台
提供 AI 驱动的图片、视频生成及数字人等功能，助力创意创作
扣子-AI办公
AI办公助手，复杂任务高效处理
AI办公助手，复杂任务高效处理。办公效率低？扣子空间AI助手支持播客生成、PPT制作、网页开发及报告写作，覆盖科研、商业、舆情等领域的专家Agent 7x24小时响应，生活工作无缝切换，提升50%效率！
Keevx
AI数字人视频创作平台
Keevx 一款开箱即用的AI数字人视频创作平台，广泛适用于电商广告、企业培训与社媒宣传，让全球企业与个人创作者无需拍摄剪辑，就能快速生成多语言、高质量的专业视频。
TRAE编程
AI辅助编程，代码自动修复
Trae是一种自适应的集成开发环境（IDE），通过自动化和多元协作改变开发流程。利用Trae，团队能够更快速、精确地编写和部署代码，从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能，是提升开发效率的理想工具。
蛙蛙写作
AI小说写作助手，一站式润色、改写、扩写
蛙蛙写作—国内先进的AI写作平台，涵盖小说、学术、社交媒体等多场景。提供续写、改写、润色等功能，助力创作者高效优化写作流程。界面简洁,功能全面,适合各类写作者提升内容品质和工作效率。
问小白
全能AI智能助手，随时解答生活与工作的多样问题
问小白，由元石科技研发的AI智能助手，快速准确地解答各种生活和工作问题，包括但不限于搜索、规划和社交互动，帮助用户在日常生活中提高效率，轻松管理个人事务。
Transly
实时语音翻译/同声传译工具
Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手，它拥有超精准的音频识别翻译能力，几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球，无论你是留学生、商务人士、韩剧美剧爱好者，还是出国游玩、多国会议、跨国追星等等，都可以满足你所有需要同传的场景需求，线上线下通用，扫除语言障碍，让全世界的语言交流不再有国界。
讯飞智文
一键生成PPT和Word，让学习生活更轻松
讯飞智文是一个利用 AI 技术的项目，能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定，还是学生群体的职业生涯规划、实习避坑指南，亦或是活动策划、旅游攻略等内容，它都能提供支持，帮助用户精准表达，轻松呈现各种信息。
讯飞星火
深度推理能力全新升级，全面对标OpenAI o1
科大讯飞的星火大模型，支持语言理解、知识问答和文本创作等多功能，适用于多种文件和业务场景，提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台，涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能，能为不同需求的用户提供便捷高效的帮助，助力用户轻松获取信息、解决问题，满足多样化使用场景。
Spark-TTS
一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型
Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目，由多个知名机构联合参与。该项目提供了高效的 LLM（ 大语言模型）驱动的语音合成方案，支持语音克隆和语音创建功能，可通过命令行界面（CLI）和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数，生成高质量的语音。该项目适用于多种场景，如有声读物制作、智能语音助手开发等。
推荐工具精选
AI云服务特惠
懂AI专属折扣关注微信公众号
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号