#ocr#playwright#市场调研#数据抓取

闲鱼数据抓取

闲鱼数据抓取技能。使用 Playwright + OCR 技术突破反爬虫，抓取闲鱼商品数据（标题、价格、想要人数等），自动上传截图和数据到 Gitee 仓库。支持批量关键词搜索、竞品分析、市场调研。

Install

openclaw skills install @beipian261/xianyu-data-grabber

闲鱼数据抓取技能 (xianyu-data-grabber)

功能描述

使用 Playwright + OCR 技术突破闲鱼反爬虫，抓取商品数据并自动上传到 Gitee 仓库。

核心能力:

批量关键词搜索（支持 15+ 关键词）
自动截图保存（PNG 格式）
OCR 文字识别（中文 + 英文）
商品信息提取（标题、价格、想要人数）
自动生成分析报告（Markdown + JSON）
自动上传到 Gitee 仓库

什么时候使用

当用户提到以下场景时，激活此技能：

「帮我抓取闲鱼上的竞品数据」
「调研闲鱼上某某类目的商品」
「分析闲鱼头部卖家的定价策略」
「闲鱼市场调研」
「抓取闲鱼商品价格和销量」
「xianyu research」/「闲鱼数据抓取」
「看看闲鱼上这个东西卖得怎么样」
「闲鱼竞品分析」

配置文件

1. 基础配置

创建 ~/.openclaw/workspace/.xianyu-grabber-config.json:

json

{
  "gitee": {
    "token": "your_gitee_token",
    "owner": "your_username",
    "repo": "xianyu-data"
  },
  "xianyu": {
    "cookie": "your_xianyu_cookie"
  },
  "grabber": {
    "keywords": ["Magisk", "KernelSU", "手机维修"],
    "screenshotDir": "legion/screenshots",
    "dataDir": "legion/data",
    "uploadToGitee": true,
    "ocrLanguage": "chi_sim+eng"
  }
}

2. Gitee 个人访问令牌

获取方式：

登录 https://gitee.com
设置 → 个人访问令牌
创建新令牌（勾选 projects 权限）
复制令牌到配置文件

3. 闲鱼 Cookie（可选）

获取方式：

浏览器登录闲鱼
F12 开发者工具 → Network
刷新页面 → 复制 Cookie 字段

使用方法

基础用法

bash

# 抓取单个关键词
xianyu-data-grabber search "Magisk"

# 抓取多个关键词
xianyu-data-grabber search "Magisk" "KernelSU" "root"

# 使用配置文件中的关键词列表
xianyu-data-grabber search --config

高级用法

bash

# 指定输出目录
xianyu-data-grabber search "Magisk" --output ./my-research

# 不上传 Gitee
xianyu-data-grabber search "Magisk" --no-upload

# 仅 OCR 不抓取（已有截图）
xianyu-data-grabber ocr --input ./screenshots

# 生成汇总报告
xianyu-data-grabber report --input ./data

# 上传到 Gitee
xianyu-data-grabber upload --all

通过消息技能调用

text

帮我抓取闲鱼上"Magisk"相关的商品数据
调研闲鱼手机维修类目的竞品
分析闲鱼 root 服务的定价策略

输出文件

截图文件

legion/screenshots/xianyu-{keyword}.png
全页面截图（高度可能超过 10000px）

数据文件

文件	格式	内容
`xianyu-{keyword}.json`	JSON	单个关键词原始数据
`xianyu-full-data.json`	JSON	所有关键词汇总
`xianyu-summary.md`	Markdown	汇总报告
`xianyu-analysis.md`	Markdown	深度分析报告

Gitee 仓库结构

text

xianyu-data/
├── README.md              # 自动生成的说明
├── data/
│   ├── xianyu-full-data.json
│   └── xianyu-{keyword}.json
├── screenshots/
│   └── xianyu-{keyword}.png
├── reports/
│   ├── xianyu-summary.md
│   └── xianyu-analysis.md
└── upload-{timestamp}.md  # 上传记录

核心脚本

grabber.js - 主抓取脚本

javascript

// 1. 启动 Playwright 浏览器（Headless + 伪装）
// 2. 加载 Cookie（如有）
// 3. 遍历关键词搜索
// 4. 截图保存
// 5. 调用 OCR 识别
// 6. 提取商品信息
// 7. 保存 JSON 数据

ocr.py - OCR 识别脚本

python

# 1. 读取截图
# 2. Tesseract OCR 识别
# 3. 提取价格/想要人数等
# 4. 输出结构化数据

uploader.sh - Gitee 上传脚本

bash

# 1. 调用 Gitee API
# 2. 创建/更新文件
# 3. 提交 commit
# 4. 返回上传结果

数据格式

单个商品数据

json

{
  "keyword": "Magisk",
  "products": [
    {
      "title": "Magisk 模块合集 17G 资源",
      "price": "1.00",
      "wants": "628 人想要",
      "seller": "卖家信用优秀",
      "tags": ["24h 自动发货", "包邮"]
    }
  ],
  "timestamp": "2026-03-20T06:00:00+08:00",
  "screenshot": "screenshots/xianyu-Magisk.png"
}

汇总报告结构

markdown

# 闲鱼数据调研报告

## 关键词：Magisk
- 商品数：19 个
- 价格区间：¥1-50 元
- 热门商品：...

## 关键词：KernelSU
...

## 价格分析
...

## 竞品分析
...

DEBUG 指引

日志位置

日志	文件
抓取日志	`logs/xianyu-grabber.log`
OCR 日志	`logs/xianyu-ocr.log`
上传日志	`logs/xianyu-upload.log`
错误日志	`logs/xianyu-error.log`

常见问题

1. 截图显示「非法访问」

原因: 反爬虫检测到自动化

解决:

bash

# 1. 更新 Cookie
# 2. 降低抓取速度（增加延迟）
# 3. 减少并发关键词数量

2. OCR 识别结果为空

原因: Tesseract 未安装或语言包缺失

解决:

bash

# 安装 Tesseract
apt-get install tesseract-ocr tesseract-ocr-chi-sim

# 验证安装
tesseract --version
tesseract --list-langs

3. Gitee 上传失败

原因: Token 无效或权限不足

解决:

bash

# 1. 检查 Token 是否有效
curl -H "Authorization: Bearer YOUR_TOKEN" https://gitee.com/api/v5/user

# 2. 检查仓库权限
# 确保 Token 有 projects 权限

4. Playwright 浏览器启动失败

原因: 缺少依赖或浏览器未安装

解决:

bash

# 安装 Playwright 浏览器
npx playwright install chromium

# 安装系统依赖
apt-get install libnss3 libnspr4 libatk1.0-0 \
  libatk-bridge2.0-0 libcups2 libdrm2 libxkbcommon0 \
  libxcomposite1 libxdamage1 libxfixes3 libxrandr2 \
  libgbm1 libasound2 libpango-1.0-0 libcairo2

测试命令

bash

# 测试配置
xianyu-data-grabber test-config

# 测试 OCR
xianyu-data-grabber test-ocr --image test.png

# 测试 Gitee 上传
xianyu-data-grabber test-upload --file test.txt

# 完整测试
xianyu-data-grabber test --all

定时任务

每日自动抓取

bash

# crontab -e
0 9 * * * cd ~/.openclaw/workspace && node skills/xianyu-data-grabber/grabber.js --config --upload >> logs/xianyu-cron.log 2>&1

每周生成报告

bash

0 10 * * 1 cd ~/.openclaw/workspace && node skills/xianyu-data-grabber/report.js >> logs/xianyu-report.log 2>&1

安全与隐私

敏感数据保护

Cookie: 存储在配置文件，权限 600
Gitee Token: 存储在配置文件，权限 600
数据文件: 本地存储，不上传第三方

平台合规

请求频率: 默认 5 秒间隔/关键词
User-Agent: 真实浏览器标识
数据使用: 仅用于个人研究

性能优化

批量抓取

bash

# 并行抓取（更快但可能被检测）
xianyu-data-grabber search --parallel 3

# 串行抓取（更慢但更安全）
xianyu-data-grabber search --sequential

缓存机制

截图缓存：避免重复抓取
OCR 缓存：避免重复识别
数据缓存：5 分钟有效期

Changelog

v1.0.0 (2026-03-20)

🎉 初始版本
Playwright + OCR 抓取
Gitee 自动上传
批量关键词支持
自动生成报告

闲鱼数据抓取

Install

闲鱼数据抓取技能 (xianyu-data-grabber)

功能描述

什么时候使用

配置文件

1. 基础配置

2. Gitee 个人访问令牌

3. 闲鱼 Cookie（可选）

使用方法

基础用法

高级用法

通过消息技能调用

输出文件

截图文件

数据文件

Gitee 仓库结构

核心脚本

grabber.js - 主抓取脚本

ocr.py - OCR 识别脚本

uploader.sh - Gitee 上传脚本

数据格式

单个商品数据

汇总报告结构

DEBUG 指引

日志位置

常见问题

1. 截图显示「非法访问」

2. OCR 识别结果为空

3. Gitee 上传失败

4. Playwright 浏览器启动失败

测试命令

定时任务

每日自动抓取

每周生成报告

安全与隐私

敏感数据保护

平台合规

性能优化

批量抓取

缓存机制

相关文件

Changelog

v1.0.0 (2026-03-20)

Related skills