Project Icon

fundus

轻量级Python新闻爬虫库

Fundus是一个开源的Python新闻爬虫库,支持从在线网站和CC-NEWS数据集抓取文章。它覆盖多个英语新闻源,包括美英主要出版商。Fundus的文本提取精度高,F1分数达97.69。该工具使用简单,支持自定义过滤,并鼓励社区贡献。Fundus适用于新闻分析、媒体监测、学术研究等领域,为用户提供高质量的新闻数据采集解决方案。

Search-Engines-Scraper - Python多搜索引擎结果采集库 支持Google、Bing等平台
GithubPython库search_enginesweb抓取多引擎搜索开源项目搜索引擎
Search-Engines-Scraper是一个功能丰富的Python库,用于从Google、Bing、Yahoo等多个搜索引擎查询和收集结果。这个工具支持HTML、CSV、JSON等多种输出格式,提供搜索过滤器和代理设置功能,还能采集暗网链接。它易于扩展,兼容Python2和Python3,为开发者提供了灵活的搜索结果采集方案。开发者可以通过命令行使用,或将其集成到其他Python项目中。需注意,使用此工具可能违反某些搜索引擎的服务条款。
HarvestText - 开源文本处理和分析工具,支持无监督方法和领域知识整合
GithubHarvestTextPython开源项目文本预处理无监督方法自然语言处理
HarvestText 是一个开源文本处理与分析工具,专注于无(弱)监督方法,能够整合领域知识,高效处理和分析特定领域文本。主要功能包括精细分词、文本清洗、实体链接、命名实体识别和依存句法分析等,并支持情感分析、关系网络构建、文本摘要及信息检索等高级应用。广泛应用于小说分析、网络文本及专业文献处理,具备高效灵活的特点。
talking_with_hn - Hacker News 最新科技讯息的获取利器
GithubHacker NewsNewsNerd HackerBot内容阅读开源项目技术新闻评论情感分析
NewsNerd HackerBot 能从 Hacker News 获取热门、新鲜、最佳、问答、展示和招聘故事,并支持关键词过滤。还提供评论提取、情绪评估,和阅读链接文章的功能。同时支持本地部署,附详细安装指南。
Scrapegraph-ai - 集成大语言模型和图逻辑的网络抓取Python库
GithubLLMPythonScrapeGraphAI开源项目数据抽取热门网络爬虫
ScrapeGraphAI是一款集成大语言模型和图逻辑的高效网络抓取Python库。该库支持多种抓取流程,适用于网站和本地文件,如XML、HTML、JSON和Markdown。用户只需指定需要提取的信息,ScrapeGraphAI即可自动完成。该库易于安装,支持多种自定义配置,适合高级用户和开发者进行数据抓取和分析。
crawlab - 多语言多框架的分布式爬虫管理系统
CrawlabGithub任务调度分布式爬虫多语言支持开源项目爬虫管理平台
Crawlab是一个开源的分布式爬虫管理平台,支持多种主流编程语言和爬虫框架。系统提供完整的爬虫项目管理功能,包括任务调度、节点管理和爬虫部署等。其分布式架构确保了系统的可扩展性,适合管理各种规模的爬虫项目。通过主节点、工作节点、分布式文件系统和数据库构建,Crawlab为各类爬虫项目提供统一的管理与部署解决方案。
nudecrawler - telegra.ph网站图片爬取与内容分析工具
GithubNude crawlerNudeNettelegra.ph内容过滤图像分析开源项目
NudeCrawler是一个用于抓取telegra.ph网站图片并进行内容分析的开源工具。它可自动爬取指定时间范围内的页面,识别图片内容类型,统计视频数量,并根据设定条件筛选结果。该工具支持多种检测方法,提供Docker部署,具有缓存和预过滤功能,适合长时间大规模运行。NudeCrawler还提供灵活的配置和详细的结果过滤机制。
fondant - 旨在协同构建和共享数据集的开源数据框架
FondantGithub共享操作开源项目数据处理数据框架数据集构建
Fondant是一个开源数据框架,旨在协同构建和共享数据集。它允许用户无需移动源数据即可进行数据初始化、处理和加载,支持可插拔的工作流、自定义组件以及版本追踪与数据浏览。Fondant适用于跨云端环境(如Google Cloud的Vertex和AWS的Sagemaker),使数据处理简单、可扩展,是生产环境中处理和共享数据集的理想选择。
spiderfoot - 全面的开源情报收集和分析功能
GithubOSINTSpiderFoot开源工具开源项目情报收集网络安全
SpiderFoot是一款功能全面的开源情报(OSINT)自动化工具。它集成了200多个数据源模块,提供多种数据分析方法,便于情报数据的导航和理解。该工具具备Web界面和命令行接口,支持多种格式导出,可进行灵活定制。SpiderFoot可用于攻防两方面的情报收集,能针对IP地址、域名、子网等多种目标进行扫描,提取敏感信息,并进行威胁情报查询、社交媒体枚举等分析。它适用于红队演练、渗透测试以及防御性信息收集等场景。
twitter-scraper - 无需API密钥的Twitter数据采集库
APIGithubTwitter爬虫开源项目搜索用户资料认证
这是一个开源的Twitter数据采集库,通过反向工程前端JavaScript API实现功能。支持用户认证、获取推文、搜索内容和用户资料、获取趋势等操作,无速率和使用限制。该库提供高速数据获取,支持HTTP和SOCKS5代理,以及自定义请求延迟设置。适用于Twitter数据分析和研究工作。
edgar-crawler - 优化美国上市公司财务报告处理的开源解决方案
EDGAR-CRAWLERGithubSEC EDGAR开源工具开源项目数据提取财务报告
EDGAR-CRAWLER是一个专门用于处理SEC EDGAR数据库财务报告的开源工具。它能够下载EDGAR文件并将非结构化文档转换为JSON格式,大大提高了数据处理效率。该工具主要包含商业文档爬取和项目提取两个核心功能,可从10-K年度报告中提取风险因素、管理层讨论等关键信息。EDGAR-CRAWLER为学术研究、金融分析和软件开发提供了便利,使财务数据分析变得更加简单高效。
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号