智能网页爬虫

智能网页数据采集器。自动识别网页结构，批量抓取列表/表格/详情页数据，支持导出JSON/CSV/Excel。内置反爬策略适配。

Smart Web Scraper - 智能网页数据采集器

功能特点

🔍 智能识别

• 自动识别列表页、详情页、表格数据
• 智能提取标题、价格、作者等关键字段
• 支持分页自动采集

🛡️ 反爬应对

• 随机User-Agent轮换
• 请求延迟随机化
• IP代理池支持（可选）
• 自动重试机制

📊 数据导出

• JSON批量导出
• CSV/Excel表格
• 数据库直存（MySQL/MongoDB）

安装

cd smart-web-scraper
npm install

使用方法

命令行采集

# 采集单页
node scraper.js --url "https://example.com/products" --selector ".product-item"

# 批量分页采集
node scraper.js --url "https://example.com/list" --pages 10 --output data.json

# 导出CSV
node scraper.js --url "https://example.com/products" --format csv --output products.csv

配置采集（config.json）

{
  "target": {
    "url": "https://example.com/items",
    "pages": 5,
    "waitFor": ".loading"
  },
  "fields": [
    {"name": "title", "selector": ".title", "type": "text"},
    {"name": "price", "selector": ".price", "type": "text"},
    {"name": "image", "selector": "img", "type": "attr", "attr": "src"}
  ],
  "export": {
    "format": "json",
    "file": "output.json"
  }
}

示例场景

场景	命令
电商商品采集	node scraper.js --url "https://shop.example.com" --selector ".product"
房价数据	node scraper.js --config housing-config.json
职位列表	node scraper.js --url "https://jobs.example.com" --pages 20 --delay 2000

注意事项

• 遵守网站robots.txt规则
• 合理设置采集间隔
• 商业使用请确认授权