watercrawl/WaterCrawl

Transform Web Content into LLM-Ready Data

aicrawlercrawl4aicrawlercrawling-pythonhtml2markdownllm-crawlerllm-scraperscraper

Licencia y mantenimiento

Licencia propia o modificada que GitHub no reconoce: lee el archivo LICENSE del repositorio antes de usarlo en un producto.

Último cambio de código hace 2 meses.

	Repositorio	Estrellas	Lenguaje	Licencia	Actividad
1	iawia002/lux👾 Fast and simple video download library and CLI tool written in Go	★ 31.8k	Go	MIT	Menos activo
2	codelucas/newspapernewspaper3k is a news, full-text, and article metadata extraction in Python 3. Advanced docs:	★ 15.2k	Python	MIT	Activo
3	cheeriojs/cheerioThe fast, flexible, and elegant library for parsing and manipulating HTML and XML.	★ 30.5k	TypeScript	MIT	Activo
4	projectdiscovery/katanaA next-generation crawling and spidering framework.	★ 17.7k	Go	MIT	Activo
5	binux/pyspiderA Powerful Spider(Web Crawler) System in Python.	★ 16.8k	Python	Apache-2.0	Archivado
6	shengqiangzhang/examples-of-web-crawlers一些非常有趣的python爬虫例子,对新手比较友好,主要爬取淘宝、天猫、微信、微信读书、豆瓣、QQ等网站。(Some interesting examples of python crawlers that are friendly to beginners. )	★ 14.7k	HTML	MIT	Sin cambios
7	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。	★ 11.4k	Java	MIT	Sin cambios
8	injetlee/PythonPython脚本。模拟登录知乎，爬虫，操作excel，微信公众号，远程开机	★ 10.9k	Python	—	Menos activo