search-result-scraper-markdown

search-result-scraper-markdown 项目介绍

项目简介

search-result-scraper-markdown 是一个强大的网络抓取工具，它通过使用 FastAPI、SearXNG 和 Browserless 将搜索结果转换为 Markdown 格式。该项目还整合了 AI 技术来优化搜索结果的过滤。为开发者提供了类似 Jina.ai、FireCrawl AI、Exa AI 和 2markdown 的替代选择，这些都是用于网络抓取和搜索引擎解决方案的工具。

项目特色

FastAPI：一个现代且快速的 Python API 框架，适用于构建高性能的 API。
SearXNG：一个开源的互联网元搜索引擎，支持多种搜素资源。
Browserless：提供网页浏览器自动化服务，实现无头浏览操作。
Markdown 输出：将抓取的 HTML 内容高效地转换为 Markdown 格式。
代理支持：使用代理保障抓取过程中的安全与匿名。
AI 集成 (Reranker AI)：利用 AI 技术对搜索结果进行过滤，为用户提供最相关的内容。
YouTube 转录：抓取 YouTube 视频转录内容。
图片和视频搜索：利用 SearXNG 抓取图片和视频结果。

系统需求

要使用此项目，您需要确保以下内容已安装：

Python 3.11
Virtualenv
Docker

安装与设置

使用 Docker 进行安装

克隆项目代码库：

git clone https://github.com/essamamdani/search-result-scraper-markdown.git
cd search-result-scraper-markdown

使用 Docker Compose 运行项目：
```
docker compose up --build
```

此设置支持 .env 或 main.py 文件更改时无需重启 Docker，自动重新加载更改。

手动安装步骤

克隆项目代码库：

git clone https://github.com/essamamdani/search-result-scraper-markdown.git
cd search-result-scraper-markdown

创建并激活虚拟环境：

virtualenv venv
source venv/bin/activate

安装依赖项：
```
pip install -r requirements.txt
```
在根目录创建一个 .env 文件并配置相关参数。

启动 FastAPI 应用程序：

uvicorn main:app --host 0.0.0.0 --port 8000

使用方法

搜索功能

发送 GET 请求到根端点 /，通过 q （搜索关键词）、num_results （结果数量）和 format （响应格式：JSON 或默认 Markdown）参数执行搜索。

示例：

curl "http://localhost:8000/?q=python&num_results=5&format=json" # 请求JSON格式
curl "http://localhost:8000/?q=python&num_results=5" # 默认Markdown格式

获取 URL 内容

发送 GET 请求到 /r/{url:path} 端点以将指定 URL 的内容抓取并转换为 Markdown 格式。

示例：

curl "http://localhost:8000/r/https://example.com&format=json" # 请求JSON格式
curl "http://localhost:8000/r/https://example.com" # 默认Markdown格式

获取图片和视频

发送 GET 请求到 /images 或 /videos 端点获取图片或视频的搜索结果。

示例：

curl "http://localhost:8000/images?q=puppies&num_results=5"
curl "http://localhost:8000/videos?q=cooking+recipes&num_results=5"

使用代理

项目使用 Geonode 的代理进行网络抓取，以确保安全性和匿名性。配置细节可参照 .env 文件中的示例。

路线图

项目当前已实现以下功能：

FastAPI 框架
SearXNG 集成
Browserless 自动化
Markdown 格式输出
代理支持
AI 集成过滤
YouTube 转录获取
图片和视频搜索功能

参与贡献

欢迎贡献！如有兴趣，请提交 Pull Request 以帮助改善项目。