extractor 是搜索知识领域的开源项目，由 lightfeed 开发，2025 年首次发布。
它收录于搜索知识分类，该分类目前共有 586 个项目，GitHub 星标数为 321。
项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-24。Apache-2.0 许可证，可免费使用和部署。
它主要面向的使用场景是：从电商页面提取商品价格、评论等结构化信息。同类可对比的替代方案包括 Scrapy、Cheerio、Firecrawl。
extractor
用自然语言描述，让 LLM 帮你从网页中提取结构化数据
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。
开源
free
搜索知识
GitHub 星标
★ 321
维护状态
低维护
是否开源
是
定价模式
free
项目数据
分类搜索知识
开发团队lightfeed
所属国家
定价模式free
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
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
30天Star增速
HF 下载量
上线时间2025-05-02 00:00:00
最近更新2026-09-24 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数1
使用教程
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
项目介绍
同类项目推荐
firecrawl
开源
网页抓取像喝水一样简单，开发者省下整周加班
The web data API to search, scrape, and interact at scale.
contoso-chat
开源
一键跑通 Azure RAG 应用，从代码到评估部署全流程
This sample has the full End2End process of creating RAG application with Prompty an···
graphify
开源
整个代码库画成一张图，找问题一眼定位
Turn any codebase, with its docs, SQL schemas, configs, and PDFs, into a queryable k···
qiaomu-youtube-ai-podcast
开源
一站式索引AI播客，快速找到有文字稿和总结的节目
AI 播客索引：整理 AI 播客、中文简介、Transcript 状态和总结入口 | Curated AI podcast ···