Cheerio网页抓取
Cheerio网页抓取
odin-kael/cheerio-html-parsing-scraper
一款基于 Cheerio 的高速静态页面爬虫工具，专为静态 HTML 页面设计。使用 Cheerio 进行 HTML 解析，速度比完整浏览器渲染快 10-50 倍。
起始 URL | Start URLs必填
URLs to start crawling from | 开始爬取的 URL 列表
类型: array
链接选择器 | Link Selector可选
CSS selector for finding links. | 用于发现链接的 CSS 选择器
类型: select
默认: a[href]
选项：
All Links (a[href])Images (img)Custom...
Glob 模式 | Glob Patterns可选
Only crawl URLs matching these glob patterns (e.g., https://example.com/blog/*). | 只爬取匹配这些 glob 模式的 URL
类型: array
排除模式 | Exclude Patterns可选
URL patterns to skip (e.g., /login, /admin, *.pdf). | 要跳过的 URL 模式
类型: array
最大爬取深度 | Max Depth可选
Maximum crawl depth (0 = start page only). | 最大爬取深度（0 = 仅起始页）
类型: integer
默认: 1
最大页面数 | Max Pages可选
Maximum pages to crawl (0 = unlimited, recommend 50 for speed). | 最大爬取页面数（0 = 不限制，建议 50）
类型: integer
默认: 50
最大并发数 | Concurrency可选
Maximum concurrent requests (recommend 3-5 for CDP browser). | 最大并发请求数（CDP 浏览器建议 3-5）
类型: integer
默认: 3
页面超时(秒) | Page Timeout (secs)可选
Page load timeout in seconds (lower = faster failures). | 页面加载超时时间（秒，越低失败越快）
类型: integer
默认: 20
重试次数 | Retries可选
Maximum retries for failed requests (0 = no retry). | 失败请求重试次数（0 = 不重试）
类型: integer
默认: 1
页面函数 | Page Function可选
Custom JavaScript function to extract data. Use $ for Cheerio selector. | 自定义 JavaScript 函数提取数据，使用 $ 作为 Cheerio 选择器
类型: string
保留 URL Fragment | Keep URL Fragments可选
Keep URL fragments (hash) in links. | 保留 URL 中的 Fragment（哈希部分）
类型: boolean
默认: false
忽略 SSL 错误 | Ignore SSL Errors可选
Ignore SSL certificate errors. | 忽略 SSL 证书错误
类型: boolean
默认: true
调试日志 | Debug Log可选
Enable detailed logging. | 启用详细日志
类型: boolean
默认: false
你可能也喜欢
探索商店中更多热门采集工具
谷歌搜索结果（SERP）抓取API
by CoreClaw
通过关键词请求， 返回结构化的搜索结果摘要，包括最终搜索参数、自然结果、相关搜索以及 People Also Ask 数据。
4.8
604 次运行
低至 $1.2/1,000 结果
数据集合并和去重工具
by Kael Odin
数据集去重采集器是一款功能强大的工具，用于合并多个 JSON/JSONL 文件中的数据集并进行数据去重。该工具针对 CafeScraper 平台完成全面优化，附加增强功能，并具备完善的异常处理机制。
5.0
15 次运行
低至 $1.2/1,000 结果
Google Sheets 导入导出工具
by Kael Odin
一款功能强大的 Google Sheets 数据导入导出工具，专用于实现 Google Sheets 与外部系统的数据同步、备份和集成。支持三种操作模式、两种认证方式、批量处理、数据去重、自动备份等功能。
5.0
2 次运行
低至 $1.2/1,000 结果
Playwright 网页抓取
by Kael Odin
一款使用 Playwright 进行完整浏览器渲染的强大跨浏览器网页爬虫工具。支持 Chromium、Firefox 和 WebKit 三大浏览器引擎。完美适用于动态页面、单页应用（SPA）、无限滚动页面以及跨浏览器测试场景。
5.0
4 次运行
低至 $1.2/1,000 结果