网页结构化数据抽取
依据给定的模式定义或提示词,从网页内容中提取强类型的JSON结构化数据对象并直接导出。
功能与用途
该功能专为需要从网页中获取规范机读数据的场景设计。用户只需提供目标网页链接,配合 JSON Schema 规范或意图提示词,系统即可通过内置大模型精准识别页面内容,将杂乱的网页转译为符合类型定义的结构化 JSON 数据。支持命令行单页提取、多链接异步批量处理及爬虫流程联动,无需手写复杂的解析规则,依赖服务端配置的 LLM 环境。
适用场景
- 电商单品价格与库存监控:输入商品详情页地址与价格、库存等属性 Schema,自动解析出标准数值字段用于行情监控。
- 招聘信息结构化汇总:批量抓取招聘详情页,按岗位名、薪资范围、学历要求解析为统一格式列表。
- 文章与资讯元数据抓取:提供新闻页链接及提取提示词,自动抽取出标题、作者、发布时间及正文核心字段。
适用人群
- 爬虫开发工程师
- 数据采集分析师
- AI应用开发者
- 自动化系统运维
使用步骤
- 准备好需要采集的目标网页 URL 地址与期望输出的 JSON Schema 模式文件。
- 通过 CLI 附加 --extract 参数或调用 API 传入 jsonSchema 发
- 系统抓取页面并交由内置 LLM 处理,从 data.json 字段中获取标准结构化数据。
开始使用
将需求和 Skill 名称发送给已连接 SkillPX MCP 的 AI 助手,核对适用工具和安装要求。
技术信息
- 分类
- 编程
- 适用工具
- Codex、Claude Code、OpenClaw、Hermes、国内 Agent
- 使用难度
- 进阶
- 版本
- main
- 最近更新
- 2026-09-28
- 文件数
- 3
- 安装包大小
- 自动生成 ZIP
- 安全检查
- 基础检查通过
|
依赖与权限
- CRW_API_URL
- CRW_API_KEY
- 读取用户主动提供的内容