docs: CJK Latin spacing fixes for the Chinese README
This commit is contained in:
Karim shoair
+77
-77
@@ -36,7 +36,7 @@
|
||||
<p align="center">
|
||||
<a href="https://scrapling.readthedocs.io/en/latest/parsing/selection/"><strong>选择方法</strong></a>
|
||||
·
|
||||
<a href="https://scrapling.readthedocs.io/en/latest/fetching/choosing/"><strong>选择Fetcher</strong></a>
|
||||
<a href="https://scrapling.readthedocs.io/en/latest/fetching/choosing/"><strong>选择 Fetcher</strong></a>
|
||||
·
|
||||
<a href="https://scrapling.readthedocs.io/en/latest/spiders/architecture.html"><strong>爬虫</strong></a>
|
||||
·
|
||||
@@ -44,14 +44,14 @@
|
||||
·
|
||||
<a href="https://scrapling.readthedocs.io/en/latest/cli/overview/"><strong>CLI</strong></a>
|
||||
·
|
||||
<a href="https://scrapling.readthedocs.io/en/latest/ai/mcp-server/"><strong>MCP模式</strong></a>
|
||||
<a href="https://scrapling.readthedocs.io/en/latest/ai/mcp-server/"><strong>MCP 模式</strong></a>
|
||||
</p>
|
||||
|
||||
Scrapling是一个自适应Web Scraping框架，能处理从单个请求到大规模爬取的一切需求。
|
||||
Scrapling 是一个自适应 Web Scraping 框架，能处理从单个请求到大规模爬取的一切需求。
|
||||
|
||||
它的解析器能够从网站变化中学习，并在页面更新时自动重新定位您的元素。它的Fetcher能够开箱即用地绕过Cloudflare Turnstile等反机器人系统。它的Spider框架让您可以扩展到并发、多Session爬取，支持暂停/恢复和自动Proxy轮换——只需几行Python代码。一个库，零妥协。
|
||||
它的解析器能够从网站变化中学习，并在页面更新时自动重新定位您的元素。它的 Fetcher 能够开箱即用地绕过 Cloudflare Turnstile 等反机器人系统。它的 Spider 框架让您可以扩展到并发、多 Session 爬取，支持暂停/恢复和自动 Proxy 轮换——只需几行 Python 代码。一个库，零妥协。
|
||||
|
||||
极速爬取，实时统计和Streaming。由Web Scraper为Web Scraper和普通用户而构建，每个人都能找到适合自己的功能。
|
||||
极速爬取，实时统计和 Streaming。由 Web Scraper 为 Web Scraper 和普通用户而构建，每个人都能找到适合自己的功能。
|
||||
|
||||
```python
|
||||
from scrapling.fetchers import Fetcher, AsyncFetcher, StealthyFetcher, DynamicFetcher
|
||||
@@ -156,12 +156,12 @@ MySpider().start()
|
||||
</a>
|
||||
</td>
|
||||
<td>
|
||||
阅读 <a href="https://substack.thewebscraping.club/p/scrapling-hands-on-guide?utm_source=github&utm_medium=repo&utm_campaign=scrapling" target="_blank">The Web Scraping Club 上关于 Scrapling 的完整评测</a>（2025年11月），这是排名第一的网页抓取专业通讯。
|
||||
阅读 <a href="https://substack.thewebscraping.club/p/scrapling-hands-on-guide?utm_source=github&utm_medium=repo&utm_campaign=scrapling" target="_blank">The Web Scraping Club 上关于 Scrapling 的完整评测</a>（2025 年 11 月），这是排名第一的网页抓取专业通讯。
|
||||
</td>
|
||||
</tr>
|
||||
</table>
|
||||
|
||||
<i><sub>想在这里展示您的广告吗？点击[这里](https://github.com/sponsors/D4Vinci/sponsorships?tier_id=586646)</sub></i>
|
||||
<i><sub>想在这里展示您的广告吗？点击 [这里](https://github.com/sponsors/D4Vinci/sponsorships?tier_id=586646)</sub></i>
|
||||
# 赞助商
|
||||
|
||||
<!-- sponsors -->
|
||||
@@ -175,62 +175,62 @@ MySpider().start()
|
||||
|
||||
<!-- /sponsors -->
|
||||
|
||||
<i><sub>想在这里展示您的广告吗？点击[这里](https://github.com/sponsors/D4Vinci)并选择适合您的级别！</sub></i>
|
||||
<i><sub>想在这里展示您的广告吗？点击 [这里](https://github.com/sponsors/D4Vinci) 并选择适合您的级别！</sub></i>
|
||||
|
||||
---
|
||||
|
||||
## 主要特性
|
||||
|
||||
### Spider — 完整的爬取框架
|
||||
- 🕷️ **类Scrapy的Spider API**：使用`start_urls`、async `parse` callback和`Request`/`Response`对象定义Spider。
|
||||
- 🕷️ **类 Scrapy 的 Spider API**：使用 `start_urls`、async `parse` callback 和`Request`/`Response` 对象定义 Spider。
|
||||
- ⚡ **并发爬取**：可配置的并发限制、按域名节流和下载延迟。
|
||||
- 🔄 **多Session支持**：统一接口，支持HTTP请求和隐秘无头浏览器在同一个Spider中使用——通过ID将请求路由到不同的Session。
|
||||
- 💾 **暂停与恢复**：基于Checkpoint的爬取持久化。按Ctrl+C优雅关闭；重启后从上次停止的地方继续。
|
||||
- 📡 **Streaming模式**：通过`async for item in spider.stream()`以实时统计Streaming抓取的数据——非常适合UI、管道和长时间运行的爬取。
|
||||
- 🔄 **多 Session 支持**：统一接口，支持 HTTP 请求和隐秘无头浏览器在同一个 Spider 中使用——通过 ID 将请求路由到不同的 Session。
|
||||
- 💾 **暂停与恢复**：基于 Checkpoint 的爬取持久化。按 Ctrl+C 优雅关闭；重启后从上次停止的地方继续。
|
||||
- 📡 **Streaming 模式**：通过 `async for item in spider.stream()` 以实时统计 Streaming 抓取的数据——非常适合 UI、管道和长时间运行的爬取。
|
||||
- 🛡️ **被阻止请求检测**：自动检测并重试被阻止的请求，支持自定义逻辑。
|
||||
- 📦 **内置导出**：通过钩子和您自己的管道导出结果，或使用内置的JSON/JSONL，分别通过`result.items.to_json()`/`result.items.to_jsonl()`。
|
||||
- 📦 **内置导出**：通过钩子和您自己的管道导出结果，或使用内置的 JSON/JSONL，分别通过 `result.items.to_json()`/`result.items.to_jsonl()`。
|
||||
|
||||
### 支持Session的高级网站获取
|
||||
- **HTTP请求**：使用`Fetcher`类进行快速和隐秘的HTTP请求。可以模拟浏览器的TLS fingerprint、标头并使用HTTP/3。
|
||||
- **动态加载**：通过`DynamicFetcher`类使用完整的浏览器自动化获取动态网站，支持Playwright的Chromium和Google Chrome。
|
||||
- **反机器人绕过**：使用`StealthyFetcher`的高级隐秘功能和fingerprint伪装。可以轻松自动绕过所有类型的Cloudflare Turnstile/Interstitial。
|
||||
- **Session管理**：使用`FetcherSession`、`StealthySession`和`DynamicSession`类实现持久化Session支持，用于跨请求的cookie和状态管理。
|
||||
- **Proxy轮换**：内置`ProxyRotator`，支持轮询或自定义策略，适用于所有Session类型，并支持按请求覆盖Proxy。
|
||||
- **域名屏蔽**：在基于浏览器的Fetcher中屏蔽对特定域名（及其子域名）的请求。
|
||||
- **Async支持**：所有Fetcher和专用async Session类的完整async支持。
|
||||
### 支持 Session 的高级网站获取
|
||||
- **HTTP 请求**：使用 `Fetcher` 类进行快速和隐秘的 HTTP 请求。可以模拟浏览器的 TLS fingerprint、标头并使用 HTTP/3。
|
||||
- **动态加载**：通过 `DynamicFetcher` 类使用完整的浏览器自动化获取动态网站，支持 Playwright 的 Chromium 和 Google Chrome。
|
||||
- **反机器人绕过**：使用 `StealthyFetcher` 的高级隐秘功能和 fingerprint 伪装。可以轻松自动绕过所有类型的 Cloudflare Turnstile/Interstitial。
|
||||
- **Session 管理**：使用 `FetcherSession`、`StealthySession` 和 `DynamicSession` 类实现持久化 Session 支持，用于跨请求的 cookie 和状态管理。
|
||||
- **Proxy 轮换**：内置 `ProxyRotator`，支持轮询或自定义策略，适用于所有 Session 类型，并支持按请求覆盖 Proxy。
|
||||
- **域名屏蔽**：在基于浏览器的 Fetcher 中屏蔽对特定域名（及其子域名）的请求。
|
||||
- **Async 支持**：所有 Fetcher 和专用 async Session 类的完整 async 支持。
|
||||
|
||||
### 自适应抓取和AI集成
|
||||
### 自适应抓取和 AI 集成
|
||||
- 🔄 **智能元素跟踪**：使用智能相似性算法在网站更改后重新定位元素。
|
||||
- 🎯 **智能灵活选择**：CSS选择器、XPath选择器、基于过滤器的搜索、文本搜索、正则表达式搜索等。
|
||||
- 🎯 **智能灵活选择**：CSS 选择器、XPath 选择器、基于过滤器的搜索、文本搜索、正则表达式搜索等。
|
||||
- 🔍 **查找相似元素**：自动定位与已找到元素相似的元素。
|
||||
- 🤖 **与AI一起使用的MCP服务器**：内置MCP服务器用于AI辅助Web Scraping和数据提取。MCP服务器具有强大的自定义功能，利用Scrapling在将内容传递给AI（Claude/Cursor等）之前提取目标内容，从而加快操作并通过最小化token使用来降低成本。（[演示视频](https://www.youtube.com/watch?v=qyFk3ZNwOxE)）
|
||||
- 🤖 **与 AI 一起使用的 MCP 服务器**：内置 MCP 服务器用于 AI 辅助 Web Scraping 和数据提取。MCP 服务器具有强大的自定义功能，利用 Scrapling 在将内容传递给 AI（Claude/Cursor 等）之前提取目标内容，从而加快操作并通过最小化 token 使用来降低成本。（[演示视频](https://www.youtube.com/watch?v=qyFk3ZNwOxE)）
|
||||
|
||||
### 高性能和经过实战测试的架构
|
||||
- 🚀 **闪电般快速**：优化性能超越大多数Python抓取库。
|
||||
- 🚀 **闪电般快速**：优化性能超越大多数 Python 抓取库。
|
||||
- 🔋 **内存高效**：优化的数据结构和延迟加载，最小内存占用。
|
||||
- ⚡ **快速JSON序列化**：比标准库快10倍。
|
||||
- 🏗️ **经过实战测试**：Scrapling不仅拥有92%的测试覆盖率和完整的类型提示覆盖率，而且在过去一年中每天被数百名Web Scraper使用。
|
||||
- ⚡ **快速 JSON 序列化**：比标准库快 10 倍。
|
||||
- 🏗️ **经过实战测试**：Scrapling 不仅拥有 92% 的测试覆盖率和完整的类型提示覆盖率，而且在过去一年中每天被数百名 Web Scraper 使用。
|
||||
|
||||
### 对开发者/Web Scraper友好的体验
|
||||
- 🎯 **交互式Web Scraping Shell**：可选的内置IPython Shell，具有Scrapling集成、快捷方式和新工具，可加快Web Scraping脚本开发，例如将curl请求转换为Scrapling请求并在浏览器中查看请求结果。
|
||||
- 🚀 **直接从终端使用**：可选地，您可以使用Scrapling抓取URL而无需编写任何代码！
|
||||
- 🛠️ **丰富的导航API**：使用父级、兄弟级和子级导航方法进行高级DOM遍历。
|
||||
### 对开发者/Web Scraper 友好的体验
|
||||
- 🎯 **交互式 Web Scraping Shell**：可选的内置 IPython Shell，具有 Scrapling 集成、快捷方式和新工具，可加快 Web Scraping 脚本开发，例如将 curl 请求转换为 Scrapling 请求并在浏览器中查看请求结果。
|
||||
- 🚀 **直接从终端使用**：可选地，您可以使用 Scrapling 抓取 URL 而无需编写任何代码！
|
||||
- 🛠️ **丰富的导航 API**：使用父级、兄弟级和子级导航方法进行高级 DOM 遍历。
|
||||
- 🧬 **增强的文本处理**：内置正则表达式、清理方法和优化的字符串操作。
|
||||
- 📝 **自动选择器生成**：为任何元素生成强大的CSS/XPath选择器。
|
||||
- 🔌 **熟悉的API**：类似于Scrapy/BeautifulSoup，使用与Scrapy/Parsel相同的伪元素。
|
||||
- 📘 **完整的类型覆盖**：完整的类型提示，出色的IDE支持和代码补全。整个代码库在每次更改时都会自动使用**PyRight**和**MyPy**扫描。
|
||||
- 🔋 **现成的Docker镜像**：每次发布时，包含所有浏览器的Docker镜像会自动构建和推送。
|
||||
- 📝 **自动选择器生成**：为任何元素生成强大的 CSS/XPath 选择器。
|
||||
- 🔌 **熟悉的 API**：类似于 Scrapy/BeautifulSoup，使用与 Scrapy/Parsel 相同的伪元素。
|
||||
- 📘 **完整的类型覆盖**：完整的类型提示，出色的 IDE 支持和代码补全。整个代码库在每次更改时都会自动使用**PyRight**和**MyPy**扫描。
|
||||
- 🔋 **现成的 Docker 镜像**：每次发布时，包含所有浏览器的 Docker 镜像会自动构建和推送。
|
||||
|
||||
## 入门
|
||||
|
||||
让我们快速展示Scrapling的功能，无需深入了解。
|
||||
让我们快速展示 Scrapling 的功能，无需深入了解。
|
||||
|
||||
### 基本用法
|
||||
支持Session的HTTP请求
|
||||
支持 Session 的 HTTP 请求
|
||||
```python
|
||||
from scrapling.fetchers import Fetcher, FetcherSession
|
||||
|
||||
with FetcherSession(impersonate='chrome') as session: # 使用Chrome的最新版本TLS fingerprint
|
||||
with FetcherSession(impersonate='chrome') as session: # 使用 Chrome 的最新版本 TLS fingerprint
|
||||
page = session.get('https://quotes.toscrape.com/', stealthy_headers=True)
|
||||
quotes = page.css('.quote .text::text').getall()
|
||||
|
||||
@@ -256,7 +256,7 @@ from scrapling.fetchers import DynamicFetcher, DynamicSession
|
||||
|
||||
with DynamicSession(headless=True, disable_resources=False, network_idle=True) as session: # 保持浏览器打开直到完成
|
||||
page = session.fetch('https://quotes.toscrape.com/', load_dom=False)
|
||||
data = page.xpath('//span[@class="text"]/text()').getall() # 如果您偏好XPath选择器
|
||||
data = page.xpath('//span[@class="text"]/text()').getall() # 如果您偏好 XPath 选择器
|
||||
|
||||
# 或使用一次性请求样式，为此请求打开浏览器，完成后关闭
|
||||
page = DynamicFetcher.fetch('https://quotes.toscrape.com/')
|
||||
@@ -264,7 +264,7 @@ data = page.css('.quote .text::text').getall()
|
||||
```
|
||||
|
||||
### Spider
|
||||
构建具有并发请求、多种Session类型和暂停/恢复功能的完整爬虫：
|
||||
构建具有并发请求、多种 Session 类型和暂停/恢复功能的完整爬虫：
|
||||
```python
|
||||
from scrapling.spiders import Spider, Request, Response
|
||||
|
||||
@@ -288,7 +288,7 @@ result = QuotesSpider().start()
|
||||
print(f"抓取了 {len(result.items)} 条引用")
|
||||
result.items.to_json("quotes.json")
|
||||
```
|
||||
在单个Spider中使用多种Session类型：
|
||||
在单个 Spider 中使用多种 Session 类型：
|
||||
```python
|
||||
from scrapling.spiders import Spider, Request, Response
|
||||
from scrapling.fetchers import FetcherSession, AsyncStealthySession
|
||||
@@ -303,17 +303,17 @@ class MultiSessionSpider(Spider):
|
||||
|
||||
async def parse(self, response: Response):
|
||||
for link in response.css('a::attr(href)').getall():
|
||||
# 将受保护的页面路由到隐秘Session
|
||||
# 将受保护的页面路由到隐秘 Session
|
||||
if "protected" in link:
|
||||
yield Request(link, sid="stealth")
|
||||
else:
|
||||
yield Request(link, sid="fast", callback=self.parse) # 显式callback
|
||||
yield Request(link, sid="fast", callback=self.parse) # 显式 callback
|
||||
```
|
||||
通过如下方式运行Spider来暂停和恢复长时间爬取，使用Checkpoint：
|
||||
通过如下方式运行 Spider 来暂停和恢复长时间爬取，使用 Checkpoint：
|
||||
```python
|
||||
QuotesSpider(crawldir="./crawl_data").start()
|
||||
```
|
||||
按Ctrl+C优雅暂停——进度会自动保存。之后，当您再次启动Spider时，传递相同的`crawldir`，它将从上次停止的地方继续。
|
||||
按 Ctrl+C 优雅暂停——进度会自动保存。之后，当您再次启动 Spider 时，传递相同的 `crawldir`，它将从上次停止的地方继续。
|
||||
|
||||
### 高级解析与导航
|
||||
```python
|
||||
@@ -323,9 +323,9 @@ from scrapling.fetchers import Fetcher
|
||||
page = Fetcher.get('https://quotes.toscrape.com/')
|
||||
|
||||
# 使用多种选择方法获取引用
|
||||
quotes = page.css('.quote') # CSS选择器
|
||||
quotes = page.css('.quote') # CSS 选择器
|
||||
quotes = page.xpath('//div[@class="quote"]') # XPath
|
||||
quotes = page.find_all('div', {'class': 'quote'}) # BeautifulSoup风格
|
||||
quotes = page.find_all('div', {'class': 'quote'}) # BeautifulSoup 风格
|
||||
# 等同于
|
||||
quotes = page.find_all('div', class_='quote')
|
||||
quotes = page.find_all(['div'], class_='quote')
|
||||
@@ -352,16 +352,16 @@ page = Selector("<html>...</html>")
|
||||
```
|
||||
用法完全相同！
|
||||
|
||||
### Async Session管理示例
|
||||
### Async Session 管理示例
|
||||
```python
|
||||
import asyncio
|
||||
from scrapling.fetchers import FetcherSession, AsyncStealthySession, AsyncDynamicSession
|
||||
|
||||
async with FetcherSession(http3=True) as session: # `FetcherSession`是上下文感知的，可以在sync/async模式下工作
|
||||
async with FetcherSession(http3=True) as session: # `FetcherSession`是上下文感知的，可以在 sync/async 模式下工作
|
||||
page1 = session.get('https://quotes.toscrape.com/')
|
||||
page2 = session.get('https://quotes.toscrape.com/', impersonate='firefox135')
|
||||
|
||||
# Async Session用法
|
||||
# Async Session 用法
|
||||
async with AsyncStealthySession(max_pages=2) as session:
|
||||
tasks = []
|
||||
urls = ['https://example.com/page1', 'https://example.com/page2']
|
||||
@@ -375,34 +375,34 @@ async with AsyncStealthySession(max_pages=2) as session:
|
||||
print(session.get_pool_stats())
|
||||
```
|
||||
|
||||
## CLI和交互式Shell
|
||||
## CLI 和交互式 Shell
|
||||
|
||||
Scrapling包含强大的命令行界面：
|
||||
Scrapling 包含强大的命令行界面：
|
||||
|
||||
[](https://asciinema.org/a/736339)
|
||||
|
||||
启动交互式Web Scraping Shell
|
||||
启动交互式 Web Scraping Shell
|
||||
```bash
|
||||
scrapling shell
|
||||
```
|
||||
直接将页面提取到文件而无需编程（默认提取`body`标签内的内容）。如果输出文件以`.txt`结尾，则将提取目标的文本内容。如果以`.md`结尾，它将是HTML内容的Markdown表示；如果以`.html`结尾，它将是HTML内容本身。
|
||||
直接将页面提取到文件而无需编程（默认提取 `body` 标签内的内容）。如果输出文件以`.txt` 结尾，则将提取目标的文本内容。如果以`.md` 结尾，它将是 HTML 内容的 Markdown 表示；如果以`.html` 结尾，它将是 HTML 内容本身。
|
||||
```bash
|
||||
scrapling extract get 'https://example.com' content.md
|
||||
scrapling extract get 'https://example.com' content.txt --css-selector '#fromSkipToProducts' --impersonate 'chrome' # 所有匹配CSS选择器'#fromSkipToProducts'的元素
|
||||
scrapling extract get 'https://example.com' content.txt --css-selector '#fromSkipToProducts' --impersonate 'chrome' # 所有匹配 CSS 选择器'#fromSkipToProducts' 的元素
|
||||
scrapling extract fetch 'https://example.com' content.md --css-selector '#fromSkipToProducts' --no-headless
|
||||
scrapling extract stealthy-fetch 'https://nopecha.com/demo/cloudflare' captchas.html --css-selector '#padded_content a' --solve-cloudflare
|
||||
```
|
||||
|
||||
> [!NOTE]
|
||||
> 还有许多其他功能，但我们希望保持此页面简洁，包括MCP服务器和交互式Web Scraping Shell。查看完整文档[这里](https://scrapling.readthedocs.io/en/latest/)
|
||||
> 还有许多其他功能，但我们希望保持此页面简洁，包括 MCP 服务器和交互式 Web Scraping Shell。查看完整文档 [这里](https://scrapling.readthedocs.io/en/latest/)
|
||||
|
||||
## 性能基准
|
||||
|
||||
Scrapling不仅功能强大——它还速度极快。以下基准测试将Scrapling的解析器与其他流行库的最新版本进行了比较。
|
||||
Scrapling 不仅功能强大——它还速度极快。以下基准测试将 Scrapling 的解析器与其他流行库的最新版本进行了比较。
|
||||
|
||||
### 文本提取速度测试（5000个嵌套元素）
|
||||
### 文本提取速度测试（5000 个嵌套元素）
|
||||
|
||||
| # | 库 | 时间(ms) | vs Scrapling |
|
||||
| # | 库 | 时间 (ms) | vs Scrapling |
|
||||
|---|:-----------------:|:---------:|:------------:|
|
||||
| 1 | Scrapling | 2.02 | 1.0x |
|
||||
| 2 | Parsel/Scrapy | 2.04 | 1.01 |
|
||||
@@ -416,29 +416,29 @@ Scrapling不仅功能强大——它还速度极快。以下基准测试将Scrap
|
||||
|
||||
### 元素相似性和文本搜索性能
|
||||
|
||||
Scrapling的自适应元素查找功能明显优于替代方案：
|
||||
Scrapling 的自适应元素查找功能明显优于替代方案：
|
||||
|
||||
| 库 | 时间(ms) | vs Scrapling |
|
||||
| 库 | 时间 (ms) | vs Scrapling |
|
||||
|-------------|:---------:|:------------:|
|
||||
| Scrapling | 2.39 | 1.0x |
|
||||
| AutoScraper | 12.45 | 5.209x |
|
||||
|
||||
|
||||
> 所有基准测试代表100+次运行的平均值。请参阅[benchmarks.py](https://github.com/D4Vinci/Scrapling/blob/main/benchmarks.py)了解方法。
|
||||
> 所有基准测试代表 100+ 次运行的平均值。请参阅 [benchmarks.py](https://github.com/D4Vinci/Scrapling/blob/main/benchmarks.py) 了解方法。
|
||||
|
||||
## 安装
|
||||
|
||||
Scrapling需要Python 3.10或更高版本：
|
||||
Scrapling 需要 Python 3.10 或更高版本：
|
||||
|
||||
```bash
|
||||
pip install scrapling
|
||||
```
|
||||
|
||||
此安装仅包括解析器引擎及其依赖项，没有任何Fetcher或命令行依赖项。
|
||||
此安装仅包括解析器引擎及其依赖项，没有任何 Fetcher 或命令行依赖项。
|
||||
|
||||
### 可选依赖项
|
||||
|
||||
1. 如果您要使用以下任何额外功能、Fetcher或它们的类，您将需要安装Fetcher的依赖项和它们的浏览器依赖项，如下所示：
|
||||
1. 如果您要使用以下任何额外功能、Fetcher 或它们的类，您将需要安装 Fetcher 的依赖项和它们的浏览器依赖项，如下所示：
|
||||
```bash
|
||||
pip install "scrapling[fetchers]"
|
||||
|
||||
@@ -446,7 +446,7 @@ pip install scrapling
|
||||
scrapling install --force # force reinstall
|
||||
```
|
||||
|
||||
这会下载所有浏览器，以及它们的系统依赖项和fingerprint操作依赖项。
|
||||
这会下载所有浏览器，以及它们的系统依赖项和 fingerprint 操作依赖项。
|
||||
|
||||
或者你可以从代码中安装，而不是运行命令：
|
||||
```python
|
||||
@@ -457,11 +457,11 @@ pip install scrapling
|
||||
```
|
||||
|
||||
2. 额外功能：
|
||||
- 安装MCP服务器功能：
|
||||
- 安装 MCP 服务器功能：
|
||||
```bash
|
||||
pip install "scrapling[ai]"
|
||||
```
|
||||
- 安装Shell功能（Web Scraping Shell和`extract`命令）：
|
||||
- 安装 Shell 功能（Web Scraping Shell 和 `extract` 命令）：
|
||||
```bash
|
||||
pip install "scrapling[shell]"
|
||||
```
|
||||
@@ -469,27 +469,27 @@ pip install scrapling
|
||||
```bash
|
||||
pip install "scrapling[all]"
|
||||
```
|
||||
请记住，在安装任何这些额外功能后（如果您还没有安装），您需要使用`scrapling install`安装浏览器依赖项
|
||||
请记住，在安装任何这些额外功能后（如果您还没有安装），您需要使用 `scrapling install` 安装浏览器依赖项
|
||||
|
||||
### Docker
|
||||
您还可以使用以下命令从DockerHub安装包含所有额外功能和浏览器的Docker镜像：
|
||||
您还可以使用以下命令从 DockerHub 安装包含所有额外功能和浏览器的 Docker 镜像：
|
||||
```bash
|
||||
docker pull pyd4vinci/scrapling
|
||||
```
|
||||
或从GitHub注册表下载：
|
||||
或从 GitHub 注册表下载：
|
||||
```bash
|
||||
docker pull ghcr.io/d4vinci/scrapling:latest
|
||||
```
|
||||
此镜像使用GitHub Actions和仓库主分支自动构建和推送。
|
||||
此镜像使用 GitHub Actions 和仓库主分支自动构建和推送。
|
||||
|
||||
## 贡献
|
||||
|
||||
我们欢迎贡献！在开始之前，请阅读我们的[贡献指南](https://github.com/D4Vinci/Scrapling/blob/main/CONTRIBUTING.md)。
|
||||
我们欢迎贡献！在开始之前，请阅读我们的 [贡献指南](https://github.com/D4Vinci/Scrapling/blob/main/CONTRIBUTING.md)。
|
||||
|
||||
## 免责声明
|
||||
|
||||
> [!CAUTION]
|
||||
> 此库仅用于教育和研究目的。使用此库即表示您同意遵守本地和国际数据抓取和隐私法律。作者和贡献者对本软件的任何滥用不承担责任。始终尊重网站的服务条款和robots.txt文件。
|
||||
> 此库仅用于教育和研究目的。使用此库即表示您同意遵守本地和国际数据抓取和隐私法律。作者和贡献者对本软件的任何滥用不承担责任。始终尊重网站的服务条款和 robots.txt 文件。
|
||||
|
||||
## 🎓 引用
|
||||
如果您将我们的库用于研究目的，请使用以下参考文献引用我们：
|
||||
@@ -505,12 +505,12 @@ docker pull ghcr.io/d4vinci/scrapling:latest
|
||||
|
||||
## 许可证
|
||||
|
||||
本作品根据BSD-3-Clause许可证授权。
|
||||
本作品根据 BSD-3-Clause 许可证授权。
|
||||
|
||||
## 致谢
|
||||
|
||||
此项目包含改编自以下内容的代码：
|
||||
- Parsel（BSD许可证）——用于[translator](https://github.com/D4Vinci/Scrapling/blob/main/scrapling/core/translator.py)子模块
|
||||
- Parsel（BSD 许可证）——用于 [translator](https://github.com/D4Vinci/Scrapling/blob/main/scrapling/core/translator.py)子模块
|
||||
|
||||
---
|
||||
<div align="center"><small>由Karim Shoair用❤️设计和制作。</small></div><br>
|
||||
<div align="center"><small>由 Karim Shoair 用❤️设计和制作。</small></div><br>
|
||||
|
||||
Reference in New Issue
Block a user