Scrapling v0.2.99版本发布:全新文档与核心功能升级
Scrapling是一个强大的Python网页抓取框架,它通过提供多种请求处理器(fetcher)来简化网页抓取流程。最新发布的v0.2.99版本带来了多项重要更新,包括全新文档网站、统一的导入逻辑以及多项功能增强,这些改进将显著提升开发者的使用体验。
全新文档网站上线
经过长期准备,Scrapling终于拥有了完整的官方文档网站。这个文档网站详细介绍了框架的各个功能模块,包括安装指南、使用教程、API参考等。对于新用户来说,这是了解Scrapling的最佳起点;对于老用户,文档中包含了所有新特性的详细说明,帮助开发者快速掌握最新功能。
统一的fetcher导入方式
新版本对fetcher的导入方式进行了重大改进。现在开发者可以使用更简洁的导入语句:
from scrapling.fetchers import Fetcher, AsyncFetcher, StealthyFetcher, PlayWrightFetcher
导入后,fetcher可以直接使用,无需实例化。例如:
page = Fetcher.get(...)
这种新的导入方式替代了原先的from scrapling.defaults import...语法,使代码更加简洁直观。为了保持向后兼容,旧语法仍然可用,但会显示警告提示开发者迁移到新语法。
自动匹配功能默认关闭
v0.2.99版本对自动匹配(automatch)功能的行为进行了调整。现在,automatch默认处于关闭状态,开发者需要显式启用它。这一变化使得框架的行为更加明确,减少了因自动匹配导致的意外行为。
开发者可以通过fetcher或解析选项来配置automatch行为。例如,在创建fetcher时明确指定是否启用自动匹配功能。这种显式配置方式使代码意图更加清晰,便于维护。
fetcher功能增强
新版本为StealthyFetcher和PlayWrightFetcher增加了wait参数。这个参数允许开发者在关闭页面并返回响应前,让fetcher等待指定的毫秒数。这对于需要等待JavaScript执行或页面完全加载的场景特别有用。
此外,StealthyFetcher的fetch和async_fetch方法新增了additional_arguments参数,用于向Camoufox传递额外的设置参数。这些参数将覆盖Scrapling的默认设置,为开发者提供更精细的控制能力。
异步抓取功能修复
v0.2.99修复了StealthyFetcher和PlayWrightFetcher中async_fetch方法在处理重定向时的bug。这一修复确保了异步抓取功能的可靠性,特别是在处理复杂重定向场景时的稳定性。
升级建议
v0.2.99是一个重要的功能更新版本,建议所有用户尽快升级以获取最佳体验。升级后,开发者应该:
- 更新导入语句,使用新的fetcher导入方式
- 检查项目中是否依赖automatch功能,必要时显式启用它
- 利用新的
wait参数优化抓取流程 - 在需要精细控制时,使用
additional_arguments参数
这些改进使Scrapling更加稳定、易用,为开发者提供了更强大的网页抓取能力。无论是新手还是经验丰富的开发者,都能从这些改进中受益。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C037
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C00
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0115
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00