Crawlee-Python v0.6.10版本发布:Playwright与请求处理优化
Crawlee是一个强大的Python网络爬虫框架,它提供了多种爬取方式(如Playwright、Puppeteer、Cheerio等)以及完善的请求队列、存储和代理管理功能。本次发布的v0.6.10版本主要针对Playwright爬虫和请求处理进行了多项优化和修复。
Playwright爬虫功能增强
本次更新中,PlaywrightCrawler获得了多项重要改进。首先,现在可以在运行时动态修改配置参数,这为爬虫的灵活控制提供了更多可能性。开发者可以根据实际爬取情况调整配置,而无需重新初始化爬虫实例。
另一个显著改进是增加了对非GET请求的支持。在之前的版本中,PlaywrightCrawler主要针对GET请求进行了优化,而在这个版本中,POST等HTTP方法也得到了完善支持。这使得PlaywrightCrawler能够处理更广泛的网页交互场景,特别是那些需要提交表单或发送数据的页面。
请求处理优化
请求处理方面有两个重要修复。首先是修复了带有重定向的请求在特定入队策略下的匹配检查问题。在某些情况下,重定向后的URL可能无法正确匹配预设的入队策略,导致请求被错误地过滤或处理。这个修复确保了重定向链中的每个请求都能正确应用配置的策略。
其次,改进了extract_links函数对EnqueueLinksKwargs参数的兼容性。现在,传递给该函数的所有关键字参数都会被正确处理,而不会像之前版本那样部分参数被忽略。这使得链接提取和入队行为更加可预测和一致。
其他重要修复
本次更新还包含了一些其他值得注意的修复:
-
为
SendRequestFunction添加了payload支持,使其能够正确处理POST请求。这使得自定义请求发送函数时能够更灵活地处理各种HTTP方法。 -
优化了curl-impersonate模板的事件循环策略设置逻辑。现在只有当不使用Playwright时才会设置
WindowsSelectorEventLoopPolicy,避免了在某些环境下的潜在冲突。
这些改进共同提升了Crawlee框架的稳定性和灵活性,使其能够更好地应对各种复杂的网页爬取场景。对于需要处理动态内容、表单提交或复杂重定向链的项目,这个版本提供了更可靠的支持。
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- DDeepSeek-OCRDeepSeek-OCR是一款以大语言模型为核心的开源工具,从LLM视角出发,探索视觉文本压缩的极限。Python00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Jinja00
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00
GOT-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).Dockerfile014
Spark-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。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00