Scrapling 网页抓取 Skill

步骤 0：检查版本

pip show scrapling

• 未安装 → 执行 pip install "scrapling[fetchers]" + scrapling install
• 有新版 → 执行 pip install --upgrade "scrapling[fetchers]" → 查 changelog 告知用户
• 已最新 → 继续

步骤 1：选择 Fetcher

目标网站 →
│
├─ 已有 HTML 字符串/文件，只需解析?
│   → Selector（纯解析，无网络请求）
│   → 模板: parse_only.py
│
├─ 静态页面，无 JS 渲染，无反爬?
│   → Fetcher（最快，基于 curl_cffi）
│   → 模板: basic_fetch.py
│
├─ 需要登录（HTTP 表单，非 JS 登录）?
│   → FetcherSession（保持会话 cookie）
│   → 模板: session_login.py
│
├─ 有 Cloudflare / WAF 保护?
│   → StealthyFetcher（Camoufox 浏览器，自动过 CF）
│   → 模板: stealth_cloudflare.py
│
├─ SPA 应用（React/Vue），需要 JS 渲染?
│   → DynamicFetcher（Playwright 浏览器）
│   → 基于模板即时生成
│
└─ 不确定?
    → 先用 Fetcher 试，403/空内容 → 升级到 StealthyFetcher

步骤 2：执行工作流

1. 检查版本（步骤 0）
2. 查阅 references/site-patterns.md — 匹配已有模式则直接复用
3. 无匹配 → 用决策树选择 Fetcher
4. 读取对应模板 → 替换参数 → 生成完整脚本
5. 执行脚本 → 返回结果
6. **沉淀经验（必做）**:
   - 新站点 → 追加到 site-patterns.md
   - 新 cookie / 用户提供了 cookie → 保存到 cookie-vault.md
   - **完成抓取后必须检查**：是否有新的 cookie 或 site pattern 需要保存

Cookie 格式速查

Fetcher 类型	Cookie 格式	示例
Fetcher / FetcherSession	dict	{'name': 'value', 'token': 'abc'}
StealthyFetcher / DynamicFetcher	list[dict]	[{'name': 'n', 'value': 'v', 'domain': '.site.com', 'path': '/'}]

浏览器 Fetcher cookie 必填字段: name, value, domain, path

超时单位速查

Fetcher 类型	超时单位	示例
Fetcher / FetcherSession	秒	timeout=30
StealthyFetcher / DynamicFetcher	毫秒	timeout=60000

模板索引

模板	文件	何时读取
基础 HTTP 抓取	templates/basic_fetch.py	目标为静态页面，无反爬
Cloudflare 绕过	templates/stealth_cloudflare.py	目标有 CF/WAF 保护
Session 登录	templates/session_login.py	需 HTTP 表单登录后抓取
纯 HTML 解析	templates/parse_only.py	已有 HTML 字符串，只需提取数据

References 索引

文件	何时读取
references/site-patterns.md	每次抓取前先查阅 — 检查目标站点是否有已记录的模式
references/api-quick-ref.md	生成脚本时查阅 — Fetcher/Selector 方法签名和参数
references/troubleshooting.md	执行报错时查阅 — 按错误信息查找原因和解决方案
references/cookie-vault.md	需要登录 cookie 时查阅 — 检查是否有历史记录可复用
references/maintenance.md	安装/升级/依赖问题时查阅 — 安装层级和验证命令