Panscrapling Web Scraper

基于 Scrapling 的网页抓取技能。 自动绕过 Cloudflare Turnstile，无需手动处理验证码。

特点

✅ 完全嵌入分发 - 包含所有 Python 依赖，支持离线安装 ✅ 自动安装 Python - 自动检测并安装 Python 3.10+ ✅ 自动绕过 Cloudflare - 无需手动处理验证码 ✅ 多种抓取模式 - Fast / Stealthy / Dynamic

使用方式

直接说：

• "抓取 https://example.com 的内容"
• "用 Scrapling 抓取这个页面"
• "获取 https://xxx.com 的 .product 元素"

抓取模式

| 模式 | 用途 | 特点 | |------|------|------| | auto | 自动选择 | 默认模式，适合大多数情况 | | stealthy | 隐身抓取 | 绕过 Cloudflare，解验证码 | | dynamic | 动态渲染 | 完整浏览器，JS 执行 | | fast | 快速 HTTP | 轻量级，适合简单页面 |

CLI 使用

# 基础抓取
python3 scripts/fetch.py "https://example.com"

# 绕过 Cloudflare
python3 scripts/fetch.py "https://protected-site.com" --mode stealthy

# 提取特定元素
python3 scripts/fetch.py "https://shop.com" --selector ".product-title"

# 输出 Markdown
python3 scripts/fetch.py "https://blog.com/article" --markdown

# 提取链接、图片、元数据
python3 scripts/fetch.py "https://example.com" --links --images --meta

# 仅运行安装
python3 scripts/fetch.py --setup

自动安装流程

首次使用时自动执行：

1. 检测 Python 3.10+ - 查找系统已安装的 Python
2. 安装 Python - 如果未找到，通过 Homebrew 自动安装
3. 安装依赖 - 从嵌入的 wheel 包安装 Scrapling
4. 安装浏览器 - 下载 Playwright/Patchright Chromium

与 pansxng-websearch 配合

• pansxng-websearch: 搜索引擎查询 → 获取链接列表
• panscrapling-web-scraper: 深入抓取页面 → 提取具体内容

典型工作流：

1. 用 pansxng-websearch 搜索关键词
2. 用 panscrapling-web-scraper 抓取目标页面

文件结构

panscrapling-web-scraper/
├── SKILL.md              # 本文档
├── scripts/
│   ├── setup.py          # 自动安装脚本
│   └── fetch.py          # 主抓取脚本
├── wheels/               # 嵌入的 Python 依赖包
│   ├── scrapling-*.whl
│   ├── playwright-*.whl
│   ├── patchright-*.whl
│   └── ... (其他依赖)
└── browsers/             # 浏览器（首次运行时下载）

隐私说明

• 所有请求通过本地浏览器发出
• 无第三方 API 调用
• 不泄露搜索/抓取记录

依赖

• Python 3.10+（自动安装）
• Homebrew（macOS，自动安装）
• Playwright Chromium（自动下载）