“data-extraction” 相关开源项目

面向浏览器智能体的 TypeScript、Python、Go SDK，可用自然语言执行操作、观察页面与提取数据。

Python 网页抓取框架，覆盖单次请求、隐身浏览器、解析到并发爬取与数据导出的完整流程。

开源文档解析工具，把 PDF、Office、HTML 等文件转换为结构化数据，供生成式 AI 使用。

一个基于 LLM 与图结构流水线的 Python 网页抓取库，按自然语言描述提取结构化数据。

基于 Streamlit 的 LLM 网页爬虫，可调用 OpenAI、Gemini、Ollama 等模型提取页面数据。

开源网页数据平台，可将网站转换为结构化 API，支持抓取、爬取、搜索、监控和 AI 数据提取。

开源 Python 网页爬虫，可将任意网站转为干净、适合 LLM 使用的 Markdown，并支持结构化数据提取。