在现代 AI 研究中，尤其是大型语言模型（LLM）训练和应用中，数据的获取与处理是一个关键环节。

为了帮助开发者更高效地抓取和整理网络数据，Crawl4AI 诞生了。这是一个专为 LLM 优化的开源网页爬虫工具，其便捷的使用方式与强大的功能，使得网页数据采集变得前所未有的轻松。

Crawl4AI 是一款基于 LLM（大型语言模型）的开源网页爬虫工具，它的设计初衷是为开发者提供一个简单易用、功能强大的数据抓取解决方案，特别是为了满足 AI 研究中的数据采集需求。

通过仅需几行代码，用户便能实现高效的网页爬取和数据提取。

核心功能

• • 开源且免费：Crawl4AI 完全开源，开发人员可以自由使用和修改，无需担心成本问题。

• • AI 驱动的自动化数据提取：通过 LLM，Crawl4AI 能够智能化地识别和解析网页元素，自动进行数据提取，极大节省开发者的时间与精力。

• • 结构化数据输出：支持将提取到的数据转换为 JSON、Markdown 等结构化格式，方便后续的分析和处理，确保数据能够无缝集成到 AI 模型训练中。

• • 多功能支持/多URL抓取：支持滚动页面、抓取多个 URL、提取媒体标签（如图片、视频、音频）、元数据、外部/内部链接以及屏幕截图等。

• • 高度定制化：支持用户自定义认证、请求头信息、爬取前页面修改、用户代理以及 JavaScript 脚本执行，确保爬虫可以针对不同网页做出灵活调整。

• • 高级提取策略：支持多种提取策略，包括基于主题、正则表达式、句子的分块策略，以及利用 LLM 或余弦聚类的高级提取策略。

如何使用？

安装

使用 pip 安装：

pip install crawl4ai

使用 Docker 安装：

构建 Docker 镜像并运行：

docker build -t crawl4ai .
docker run -d -p 8000:80 crawl4ai

从 Docker Hub 直接运行：

docker pull unclecode/crawl4ai:latest
docker run -d -p 8000:80 unclecode/crawl4ai:latest

使用

Crawl4AI 的使用非常简单，仅需几行代码就能实现强大的功能。以下是使用 Crawl4AI 进行网页数据抓取的示例：

import asyncio
from crawl4ai import AsyncWebCrawler

async def main():
    async with AsyncWebCrawler(verbose=True) as crawler:
        js_code = ["const loadMoreButton = Array.from(document.querySelectorAll('button')).find(button => button.textContent.includes('Load More')); loadMoreButton && loadMoreButton.click();"]
        result = await crawler.arun(
            url="https://www.nbcnews.com/business",
            js_code=js_code,
            css_selector="article.tease-card",
            bypass_cache=True
        )
        print(result.extracted_content)

if __name__ == "__main__":
    asyncio.run(main())

使用场景

Crawl4AI 适合以下场景：

• • AI 研究：需要大量网页数据用于语言模型训练的研究人员和开发者。

• • 数据科学：需要高效从网页中提取数据进行分析的科学家或分析师。

• • 开发者：希望在应用程序中实现网页数据抓取和自动化信息采集的开发者。

总结

Crawl4AI 是一个功能强大且易用的网页爬虫工具，它为大型语言模型和 AI 应用量身打造，提供了丰富的功能和灵活的配置选项。

从结构化输出到多种提取策略，Crawl4AI 为开发者在数据抓取领域带来了极大的便利。

GitHub：https://github.com/unclecode/crawl4ai

责任编辑：优网科技

版权所有：http://www.uweb.net.cn (优网科技) 转载请注明出处