web-crawler — 开源软件健康

npm

99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★ 26.2K↓ 6.8M/月2026年10月19日

Apache-2.02026年10月19日 · 指标 2.10.0

PyPI · npm

99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★ 9,535↓ 975.8K/月2026年9月17日

Apache-2.02026年9月17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! Don't be shy, join here: https://discord.gg/EMgGbDceNQ

Python★ 81.4K2026年9月16日

BSD-3-Clause2026年9月16日 · 指标 2.10.0

PyPI

94卓越健康指数

ScrapeGraphAI/Scrapegraph-ai

Python scraper based on AI

Python★ 31K2026年9月16日

MIT2026年9月16日 · 指标 2.10.0

Maven

94卓越健康指数

apache/stormcrawler

A scalable, mature and versatile web crawler based on Apache Storm

Java★ 1,0082026年10月19日

Apache-2.02026年10月19日 · 指标 2.10.0

PyPI · Packagist · 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★ 181.1K↓ 5.8M/月2026年9月16日

AGPL-3.02026年9月16日 · 指标 2.10.0

crates.io · npm · PyPI

91优秀健康指数

fastcrw/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★ 1,095↓ 10.6K/月2026年10月2日

AGPL-3.02026年10月2日 · 指标 2.10.0

crates.io · npm · PyPI

91优秀健康指数

us/crw

Rust★ 1,032↓ 10.7K/月2026年9月16日

AGPL-3.02026年9月16日 · 指标 2.10.0

npm

89优秀健康指数

JustinBeckwith/linkinator

Broken link checker that crawls websites and validates links. Find broken links, dead links, and invalid URLs in websites, documentation, and local files. Perfect for SEO audits and CI/CD.

TypeScript★ 1,269↓ 691.2K/月2026年10月3日

MIT2026年10月3日 · 指标 2.10.0

npm

89优秀健康指数

firecrawl/firecrawl-mcp-server

🔥 Official Firecrawl MCP Server - Adds powerful web scraping and search to Cursor, Claude and any other LLM clients.

TypeScript · JavaScript★ 7,332↓ 492.7K/月2026年8月28日

MIT2026年8月28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

npm · crates.io

87优秀健康指数

0xMassi/webclaw

Fast, local-first web content extraction for LLMs. Scrape, crawl, extract structured data — all from Rust. CLI, REST API, and MCP server.

Rust★ 2,343↓ 1,301/月2026年9月13日

AGPL-3.02026年9月13日 · 指标 2.10.0

npm

84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★ 5,237↓ 3,896/月2026年9月12日

自定义许可证2026年9月12日 · 指标 2.10.0

crates.io

84优秀健康指数

spider-rs/spider

Foundational low latency web data collecting in Rust

Rust★ 2,790↓ 24.2K/月2026年10月20日

MIT2026年10月20日 · 指标 2.10.0

PyPI

84优秀健康指数

tobocop2/lilbee

The whole local AI stack in one executable: it runs and manages local AI models across every GPU, and it's a search engine you can talk to, with cited answers from your files, code, and the web. MCP server for coding agents, web crawler, TUI, CLI, REST API, Python library. No Ollama or LM Studio needed, works with both.

Python★ 54↓ 3,110/月2026年9月18日

MIT2026年9月18日 · 指标 2.10.0

PyPI · npm

83优秀健康指数

ScrapeGraphAI/scrapegraph-py

Official Python SDK for the ScrapeGraph AI API. Smart scraping, search, crawling, markdownify, agentic browser automation, scheduled jobs, and structured data extraction

Jupyter Notebook★ 86↓ 212.9K/月2026年9月7日

MIT2026年9月7日 · 指标 2.10.0

80优秀健康指数

kinorai/omnifeed

LLM-friendly web crawler & scraper with a dedicated Reddit engine, built on Crawl4AI — Open WebUI compatible

Go · HTML★ 102026年10月21日

MIT2026年10月21日 · 指标 2.10.0

npm · PyPI · crates.io

78良好健康指数

Goldziher/basemind

Full AI context and content layer for coding agents over one MCP server — tree-sitter code-map, document RAG, shared memory, multi-agent comms, web crawl, git history + blame. 300+ languages, 10+ agent harnesses, pure Rust.

Rust★ 99↓ 2,971/月2026年9月14日

MIT2026年9月14日 · 指标 2.10.0

Maven

78良好健康指数

Norconex/crawler

Norconex Crawlers (or spiders) are flexible web and filesystem crawlers for collecting, parsing, and manipulating data from the web or filesystem to various data repositories such as search engines.

Java★ 2042026年9月5日

Apache-2.02026年9月5日 · 指标 2.10.0

npm

78良好健康指数

scrapfly/typescript-scrapfly

Official TypeScript/JavaScript SDK for the Scrapfly platform: web scraping, screenshots, AI extraction, crawling, and a remote anti-bot browser. Ships to npm, JSR, and Deno.

TypeScript★ 232026年10月17日

自定义许可证2026年10月17日 · 指标 2.10.0

npm · Packagist · crates.io +1

78良好健康指数

xberg-io/crawlberg

High-performance web crawling engine with bindings for 11 languages

Rust★ 173↓ 1,094/月2026年9月15日

MIT2026年9月15日 · 指标 2.10.0

PyPI

73良好健康指数

JorG18/agentcrawl

Self-hosted web scraping and Markdown extraction for AI agents

Python★ 10↓ 2,758/月2026年10月9日

Apache-2.02026年10月9日 · 指标 2.10.0

73良好健康指数

jonhadfield/ip-fetcher

Go library and CLI to fetch public IP ranges from cloud platforms, CDNs, crawler bots, monitoring probes and threat intelligence feeds

Go★ 42026年9月12日

MIT2026年9月12日 · 指标 2.10.0

69良好健康指数

gosom/scrapemate

Golang Crawling and scraping framework

Go★ 2102026年9月15日

MIT2026年9月15日 · 指标 2.10.0

npm

63中等健康指数

mysleekdesigns/crawlforge-mcp

28 MCP tools that give Claude, Cursor and any MCP client the live web — scrape, crawl, search, real Google rank, change tracking, document parsing, plus an autonomous agent that researches from a plain-English prompt with no URLs. Clean Markdown and schema-validated JSON, not raw HTML. Local-Ollama extraction by default. MIT, 1,000 free credits.

JavaScript★ 2↓ 5,179/月2026年9月5日

MIT2026年9月5日 · 指标 2.10.0

PyPI · npm · crates.io +1

62中等健康指数

spider-rs/spider-clients

Python, Javascript, and Rust libraries for the Spider Cloud API.

Rust · Python · Go★ 26↓ 365K/月2026年9月9日

MIT2026年9月9日 · 指标 2.10.0

Go · RubyGems

60中等健康指数

1mb-dev/lobster

Intelligent web stress testing with auto URL discovery. Crawls your app, validates performance under load, generates actionable reports. Zero config required.

Go★ 22026年9月19日

MIT2026年9月19日 · 指标 2.10.0

npm

38薄弱健康指数

Aegis-Runner/AegisRunner

AegisRunner crawls any website from a single URL, discovers every page, form, and interaction, then uses AI to generate a complete Playwright test suite. Also runs accessibility, SEO, security, and performance audits on every page — no recording, no scripting, no setup.

JavaScript★ 1↓ 2,534/月2026年9月13日

MIT2026年9月13日 · 指标 2.10.0

Maven

23存在风险健康指数

ssssssss-team/spider-flow

新一代爬虫平台，以图形化方式定义爬虫流程，不写代码即可完成爬虫。

Java★ 11.4K2026年8月27日

MIT2026年8月27日 · 指标 2.10.0

#web-crawler