crawler — 开源软件健康

npm

98卓越健康指数

Crawlee—A web scraping and browser automation library for Node.js to build reliable crawlers. In JavaScript and TypeScript. Extract data for AI, LLMs, RAG, or GPTs. Download HTML, PDF, JPG, PNG, and other files from websites. Works with Puppeteer, Playwright, Cheerio, JSDOM, and raw HTTP. Both headful and headless mode. With proxy rotation.

TypeScript · MDX★ 25.2K↓ 6M/月2026年8月5日

Apache-2.02026年8月5日 · 指标 2.10.0

PyPI · npm

98卓越健康指数

apify/crawlee-python

Crawlee—A web scraping and browser automation library for Python to build reliable crawlers. Extract data for AI, LLMs, RAG, or GPTs. Download HTML, PDF, JPG, PNG, and other files from websites. Works with Parsel, BeautifulSoup, Playwright, and raw HTTP. Both headful and headless mode. With proxy rotation.

Python · MDX★ 9,4262026年8月12日

Apache-2.02026年8月12日 · 指标 2.10.0

PyPI

94卓越健康指数

D4Vinci/Scrapling

🕷️ An adaptive Web Scraping framework that handles everything from a single request to a full-scale crawl!

Python★ 72.6K2026年8月4日

BSD-3-Clause2026年8月4日 · 指标 2.10.0

PyPI

94卓越健康指数

ScrapeGraphAI/Scrapegraph-ai

Python scraper based on AI

Python★ 29K2026年8月5日

MIT2026年8月5日 · 指标 2.10.0

PyPI · npm

94卓越健康指数

apify/apify-sdk-python

Apify SDK for Python—The official library for building Apify Actors: serverless cloud programs for web scraping, browser automation, data processing, and AI agents. Manages the Actor lifecycle, storages (datasets, key-value stores, request queues), events, proxies, and pay-per-event monetization. Built on top of the the Apify API Client.

Python · MDX★ 1732026年7月20日

Apache-2.02026年7月20日 · 指标 2.10.0

Packagist · Hex · crates.io +2

94卓越健康指数

firecrawl/firecrawl

The context API to search, scrape, and interact with the web at scale. 🔥

TypeScript · Python★ 161K↓ 3,278/月2026年8月4日

AGPL-3.02026年8月4日 · 指标 2.10.0

NuGet

92优秀健康指数

hardkoded/puppeteer-sharp

Headless Chrome .NET API

C#★ 3,9162026年8月28日

MIT2026年8月28日 · 指标 2.10.0

PyPI

91优秀健康指数

adbar/trafilatura

Python & Command-line tool to gather text and metadata on the Web: Crawling, scraping, extraction, output as CSV, JSON, HTML, MD, TXT, XML

Python★ 6,718↓ 14M/月2026年8月28日

Apache-2.02026年8月28日 · 指标 2.10.0

npm

91优秀健康指数

apify/apify-sdk-js

Apify SDK monorepo

MDX · TypeScript★ 180↓ 149.3K/月2026年7月20日

Apache-2.02026年7月20日 · 指标 2.10.0

PyPI · npm

90优秀健康指数

apify/fingerprint-suite

Browser fingerprinting tools for anonymizing your scrapers. Developed by Apify.

TypeScript · JavaScript★ 2,566↓ 2.2M/月2026年8月13日

Apache-2.02026年8月13日 · 指标 2.10.0

PyPI

90优秀健康指数

mikf/gallery-dl

Command-line program to download image galleries and collections from several image hosting sites

Python★ 19.1K2026年8月5日

GPL-2.02026年8月5日 · 指标 2.10.0

Maven

89优秀健康指数

TeamNewPipe/NewPipeExtractor

NewPipe's core library for extracting data from streaming sites

Java★ 1,9362026年8月9日

GPL-3.02026年8月9日 · 指标 2.10.0

Packagist

89优秀健康指数

tomasnorre/crawler

Libraries and scripts for crawling the TYPO3 page tree. Used for re-caching, re-indexing, publishing applications etc.

PHP★ 57↓ 8,254/月2026年8月22日

GPL-3.02026年8月22日 · 指标 2.10.0

npm · PyPI

89优秀健康指数

webrecorder/browsertrix-crawler

Run a high-fidelity browser-based web archiving crawler in a single Docker container

TypeScript★ 1,1172026年8月24日

AGPL-3.02026年8月24日 · 指标 2.10.0

Packagist · npm

88优秀健康指数

eliashaeussler/cache-warmup

🔥 PHP library to warm up caches of URLs located in XML sitemaps

PHP★ 77↓ 14.1K/月2026年7月16日

GPL-3.02026年7月16日 · 指标 2.10.0

PyPI

88优秀健康指数

feder-cr/invisible_playwright

Free antidetect browser stealth for Playwright: undetected headless Firefox fingerprint. Python scraping, recaptcha and bot detection bypass. Open source

Python★ 1,974↓ 15.7K/月2026年9月4日

MIT2026年9月4日 · 指标 2.10.0

crates.io

87优秀健康指数

0x676e67/wreq

An ergonomic, privacy-aware Rust HTTP Client

Rust★ 1,004↓ 220.3K/月2026年8月28日

Apache-2.02026年8月28日 · 指标 2.10.0

PyPI

87优秀健康指数

DedSecInside/TorBot

Dark Web OSINT Tool

Python★ 4,7262026年8月28日

自定义许可证2026年8月28日 · 指标 2.10.0

npm

87优秀健康指数

KnockOutEZ/wigolo

The go-to web for your AI coding agent — local-first search, fetch, crawl & research over MCP. No API keys, no cloud, $0/query. Public beta.

TypeScript★ 3,201↓ 3,522/月2026年7月22日

自定义许可证2026年7月22日 · 指标 2.10.0

crates.io

87优秀健康指数

spider-rs/spider

Get web data for AI agents and LLMs

Rust★ 2,669↓ 42K/月2026年8月22日

MIT2026年8月22日 · 指标 2.10.0

npm · PyPI · crates.io

87优秀健康指数

us/crw

Fast, lightweight Firecrawl/Tavily alternative in Rust. Web scraper, crawler & search API with MCP server for AI agents. Drop-in Firecrawl-compatible API (/scrape, /crawl, /search). 2.3x faster than Tavily, 1.5x faster than Firecrawl in 1K-URL benchmarks. 6 MB RAM, single binary. Self-host or use managed cloud.

Rust★ 518↓ 9,070/月2026年8月3日

AGPL-3.02026年8月3日 · 指标 2.10.0

npm

87优秀健康指数

zorillajs/zorilla

Zorilla is a modular plugin framework that extends Puppeteer and Playwright with additional functionality through a clean plugin architecture. Build powerful browser automation with composable plugins for stealth mode, captcha solving, ad blocking, and much more.

TypeScript · JavaScript★ 27↓ 15.3K/月2026年7月29日

MIT2026年7月29日 · 指标 2.10.0

npm

86优秀健康指数