探索强大的Web数据抓取解决方案:Got Scraping
Got Scraping 是一款基于流行的 got
扩展库的高效工具,专为实现浏览器类似的请求而设计。这款小型但功能强大的模块为Web抓取领域提供了一种无缝融入网站流量的方式。
安装与升级
安装 Got Scraping 非常简单,只需要一条命令:
$ npm install got-scraping
请注意,由于 Got Scraping 现在仅支持 ESM(ES 模块),你需要使用 import
表达式或 import()
方法来导入它。如果你无法迁移至 ESM,可以在异步上下文中导入 Got Scraping。
功能强大且灵活的API
Got Scraping 使用 got.extend(...)
功能构建,因此具备 got
库的所有特性。下面是一个简单的示例:
import { gotScraping } from 'got-scraping';
gotScraping
.get('https://apify.com')
.then( ({ body }) => console.log(body));
你可以通过设置 proxyUrl
、启用 useHeaderGenerator
或调整 headerGeneratorOptions
来定制请求行为。
浏览器级别的头信息模拟
借助内置的 header-generator
包,你可以选择各种不同的浏览器、操作系统和设备,它会自动生成浏览器般的头部信息。例如,你可以指定特定的浏览器版本和设备类型:
const response = await gotScraping({
url: 'https://api.apify.com/v2/browser-info',
headerGeneratorOptions:{
browsers: [
{
name: 'chrome',
minVersion: 87,
maxVersion: 89
}
],
devices: ['desktop'],
locales: ['de-DE', 'en-US'],
operatingSystems: ['windows', 'linux'],
}
});
代理服务器和协议处理
配置代理服务器只需一个 proxyUrl
参数,Got Scraping 将自动检测并适配支持的HTTP协议,并执行ALPN协商以连接最终服务器。它还支持HTTP/2协议,确保与现代浏览器保持一致。
项目特点
- 浏览器头信息模拟:生成多种浏览器和设备的头信息,模拟真实浏览器访问。
- 智能代理管理:轻松设置代理服务器,支持HTTP/HTTPS和HTTP/2。
- 自动HTTP版本协商:采用与浏览器相同的HTTP/2协议进行通信。
- TLS配置优化:适应网站的TLS指纹检测,提高匿名性。
实际应用
Got Scraping 可广泛应用于数据挖掘、市场研究、竞争情报等领域,它可以获取网站上的结构化和非结构化信息,如产品详情、新闻动态、评论等。对于那些要求复杂头信息或者需要经过代理服务器访问的网页,Got Scraping 提供了高效的解决方案。
无论是想要抓取网页内容,还是需要进行JSON请求,Got Scraping 都能应对自如。同时,遇到某些特殊情况,如错误恢复,也提供了相应的处理策略。
为了获得更详细的使用指南和技术文档,请查阅 官方GitHub页面,开始你的Web抓取旅程吧!
[官方GitHub页面]: https://github.com/apify/got-scraping
HunyuanImage-3.0
HunyuanImage-3.0 统一多模态理解与生成,基于自回归框架,实现文本生成图像,性能媲美或超越领先闭源模型00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++036Hunyuan3D-Part
腾讯混元3D-Part00GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0283Hunyuan3D-Omni
腾讯混元3D-Omni:3D版ControlNet突破多模态控制,实现高精度3D资产生成00Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile09
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选









