extractor

用自然语言描述，让 LLM 帮你从网页中提取结构化数据

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署 搜索知识 🍴 复刻 10 🐛 待处理 2
访问官网 ↗ GitHub ↗
GitHub 星标 ★ 321
维护状态 低维护
是否开源 开源
定价模式 🏷️完全免费 开源项目，Apache-2.0 许可证，可免费使用和部署。

项目预览

extractor 项目界面预览图
图片来源：GitHub 官方仓库名片

项目数据

分类搜索知识
开发团队lightfeed
官网地址https://lightfeed.ai
GitHubhttps://github.com/lightfeed/extractor
定价模式🏷️完全免费
价格说明开源项目，Apache-2.0 许可证，可免费使用和部署。
访问状态🔧 仅开源项目，无在线服务，需自行部署
是否开源是
开源协议Apache-2.0
主要语言TypeScript
技术栈/模型ai-agents,article-extractor,crawler,data-engineering,data-pipeline,ecommerce-scraping,etl,google-gemini,html-parser,html-to-markdown,llm,llm-extraction,llm-scraper,markdown,nlp,openai,rag,web-data-extraction,web-extraction,webscraping
GitHub 星标★ 321
上线时间2025-05-02 00:00:00
代码更新2026-06-06
仓库体积458 KB
本站数据更新2026-11-09
维护状态低维护
收录时间2026-08-09
浏览次数2

项目介绍

extractor 是一个基于 TypeScript 的开源工具，利用大语言模型（LLM）从网页中稳健地提取结构化数据。它解决了传统网页爬虫依赖固定选择器、易受页面结构变化影响、难以处理复杂或动态内容的问题。核心能力包括：通过自然语言描述或示例定义提取目标，LLM 自动理解页面语义并抽取所需字段；支持多种数据格式输出（如 JSON）；内置重试和错误处理机制，提高提取成功率；提供简洁的 API 和命令行界面，方便集成到现有工作流。项目处于早期阶段，但思路新颖，适合需要灵活、低维护成本网页数据提取的场景。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 321

核心亮点

  • 基于 LLM 语义理解，无需维护脆弱的选择器，抗页面结构变化能力强
  • 支持通过自然语言或示例定义提取规则，上手门槛低
  • 提供 API 和 CLI，易于集成到自动化流程

不足之处

  • 依赖 LLM API，可能产生调用成本且速度较慢
  • 文档/社区待观察

适用场景

  • 从电商页面提取商品价格、评论等结构化信息
  • 监控新闻网站并抽取标题、正文、发布时间
  • 将非结构化网页内容转换为 JSON 供下游系统使用

替代项目

Scrapy、Cheerio、Firecrawl

上一篇：arcana

下一篇：Hyper-RAG

同类项目推荐

uajy-academic-rag-chatbot 开源

上传手册就能对话问答，学生查规章秒出答案

Production-grade RAG chatbot for Universitas Atma Jaya Yogyakarta academic handbook ···

★ 453 2026-09-14
Free-LLM-Collection 开源

一页清单找齐免费大模型 API，零成本上手开发

免费大模型API合集 / Free LLM api Collection

★ 689 2026-09-16
bilibili-rag 开源

把B站收藏夹变成能问答的私人知识库

B站收藏夹RAG知识库：收藏不吃灰，B 站收藏夹 → 语音转写 → 向量检索 → 对话问答

★ 1360 2026-10-02
kg-rag 开源

跟着书学 GraphRAG，用图数据库做出更聪明的聊天机器人

Supporting repository for the Essential GraphRAG book published by Manning

★ 193 2026-08-09
awesome-prompt-engineering 开源

一页清单收齐提示工程工具论文平台，快速入门不迷路

A curated list of resources, tools, papers, and platforms for prompt engineering in ···

★ 255 2026-09-15
ChatIndex 开源

给聊天机器人装上长期记忆，快速找回历史对话

ChatIndex: Tree indexing and retrieval for long conversational memory

★ 175 2026-08-09
session-knowledge 开源

把 Claude Code 聊天记录变成本地可搜索知识库

Turn your Claude Code session history into a searchable local knowledge base — 13 M···

★ 307 2026-09-30
KnowAgenticRAG 开源

给大模型接上私有知识库，问答有据可查

基于Fastapi + React 实现的面向智能知识管理的Agentic RAG系统，支持私有部署和多租户，以···

★ 127 2026-09-12
chat_with_your_docs 开源

上传文档，即刻对话，让AI帮你提炼知识

Discover and converse with advanced AI models like Mistral, LLAMA2, and GPT-3.5 from···

★ 161 2026-08-09