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
潮际好麦
AI赋能电商视觉革命，一站式智能商拍平台
潮际好麦深耕服装行业，是国内AI试衣效果最好的软件。使用先进AIGC能力为电商卖家批量提供优质的、低成本的商拍图。合作品牌有Shein、Lazada、安踏、百丽等65个国内外头部品牌，以及国内10万+淘宝、天猫、京东等主流平台的品牌商家，为卖家节省将近85%的出图成本，提升约3倍出图效率，让品牌能够快速上架。
iTerms
企业专属的AI法律顾问
iTerms是法大大集团旗下法律子品牌，基于最先进的大语言模型(LLM)、专业的法律知识库和强大的智能体架构，帮助企业扫清合规障碍，筑牢风控防线，成为您企业专属的AI法律顾问。
SimilarWeb流量提升
稳定高效的流量提升解决方案，助力品牌曝光
稳定高效的流量提升解决方案，助力品牌曝光
Sora2视频免费生成
最新版Sora2模型免费使用，一键生成无水印视频
最新版Sora2模型免费使用，一键生成无水印视频
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。
讯飞绘文
选题、配图、成文，一站式创作，让内容运营更高效
讯飞绘文，一个AI集成平台，支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容，加速品牌传播，提升内容营销效果。
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。
商汤小浣熊
最强AI数据分析助手
小浣熊家族Raccoon，您的AI智能助手，致力于通过先进的人工智能技术，为用户提供高效、便捷的智能服务。无论是日常咨询还是专业问题解答，小浣熊都能以快速、准确的响应满足您的需求，让您的生活更加智能便捷。
imini AI
像人一样思考的AI智能体
imini 是一款超级AI智能体，能根据人类指令，自主思考、自主完成、并且交付结果的AI智能体。
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。
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