懂AI
scrapeghost

scrapeghost

使用 OpenAI 的 GPT API 抓取网站的实验库

scrapeghost是基于OpenAI GPT模型建立的实验性库，专为简化和优化Web抓取而设计。该库以GPT为主要执行平台，并辅以一系列特性如数据结构自定义、高效HTML处理和成本控制等，以提高抓取效率并降低操作难度。

scrapeghostGPT网页抓取OpenAIPythonGithub开源项目
GitHub文档

项目介绍：scrapeghost

scrapeghost 是一个用于网站数据抓取的实验性库，其独特之处在于它利用了 OpenAI 的 GPT 技术。这个库的目标是为用户提供一个便捷的界面，通过 GPT 模型进行网页抓取。尽管大部分工作是由 GPT 模型完成的，scrapeghost 提供了一些特性来简化这项任务的使用。

功能特色

Python定义的数据结构

scrapeghost 使用户可以使用 Python 对象来定义所需提取数据的结构。用户可以根据需要，对数据结构进行详细或简略的定义。

预处理功能

  • HTML 清理：通过移除不必要的 HTML 来减少 API 请求的大小和成本。
  • CSS 和 XPath 选择器：用户可以通过编写单一 CSS 或 XPath 选择器来预先筛选 HTML。
  • 自动拆分：可以选择将 HTML 拆分为多个调用，以便对较大的页面进行处理。

后处理功能

  • JSON 验证：确保响应是有效的 JSON。如果不是，可以返回给 GPT 进行修复。
  • 模式验证：进一步验证使用 pydantic 模式确保响应符合预期结构。
  • 幻觉检查：确认响应中的数据在页面上真实存在。

成本控制

scrapeghost 还提供了一些成本控制选项：

  • 在爬取过程中保存发送和接收的令牌总数，以便跟踪成本。
  • 支持自动回退机制，例如默认使用更经济的 GPT-3.5-Turbo，需要时回退至 GPT-4。
  • 允许设置预算，超过预算时自动停止抓取操作。

注意事项

该库调用 GPT 模型会产生相当高的费用，例如在中等大小的页面上调用 GPT-4 的费用为 $0.36。费用估算基于 OpenAI 定价页面，并不保证完全准确。因此，用户在使用时需要自行承担风险。

总之，scrapeghost 是一个创新的工具，通过将先进的 GPT 技术应用于网页抓取任务，为用户提供了一种新颖且有效的方法来挖掘互联网数据。

编辑推荐精选

Refly.AI

Refly.AI

最适合小白的AI自动化工作流平台

无需编码，轻松生成可复用、可变现的AI自动化工作流

酷表ChatExcel

酷表ChatExcel

大模型驱动的Excel数据处理工具

基于大模型交互的表格处理系统，允许用户通过对话方式完成数据整理和可视化分析。系统采用机器学习算法解析用户指令，自动执行排序、公式计算和数据透视等操作，支持多种文件格式导入导出。数据处理响应速度保持在0.8秒以内，支持超过100万行数据的即时分析。

AI工具酷表ChatExcelAI智能客服AI营销产品使用教程
TRAE编程

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。

AI工具TraeAI IDE协作生产力转型热门
AIWritePaper论文写作

AIWritePaper论文写作

AI论文写作指导平台

AIWritePaper论文写作是一站式AI论文写作辅助工具，简化了选题、文献检索至论文撰写的整个过程。通过简单设定，平台可快速生成高质量论文大纲和全文，配合图表、参考文献等一应俱全，同时提供开题报告和答辩PPT等增值服务，保障数据安全，有效提升写作效率和论文质量。

AI辅助写作AI工具AI论文工具论文写作智能生成大纲数据安全AI助手热门
博思AIPPT

博思AIPPT

AI一键生成PPT，就用博思AIPPT！

博思AIPPT，新一代的AI生成PPT平台，支持智能生成PPT、AI美化PPT、文本&链接生成PPT、导入Word/PDF/Markdown文档生成PPT等，内置海量精美PPT模板，涵盖商务、教育、科技等不同风格，同时针对每个页面提供多种版式，一键自适应切换，完美适配各种办公场景。

AI办公办公工具AI工具博思AIPPTAI生成PPT智能排版海量精品模板AI创作热门
潮际好麦

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

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

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

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

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。

下拉加载更多