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
扣子-AI办公
职场AI，就用扣子
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！
堆友
多风格AI绘画神器
堆友平台由阿里巴巴设计团队创建，作为一款AI驱动的设计工具，专为设计师提供一站式增长服务。功能覆盖海量3D素材、AI绘画、实时渲染以及专业抠图，显著提升设计品质和效率。平台不仅提供工具，还是一个促进创意交流和个人发展的空间，界面友好，适合所有级别的设计师和创意工作者。
码上飞
零代码AI应用开发平台
零代码AI应用开发平台，用户只需一句话简单描述需求，AI能自动生成小程序、APP或H5网页应用，无需编写代码。
Vora
免费创建高清无水印Sora视频
Vora是一个免费创建高清无水印Sora视频的AI工具
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
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。
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。
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。
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。
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。
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