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。

Primus News - 快速轻量的网络新闻聚合平台
AI工具企业动态政策公告新闻发布科技创新美国政府
Primus News聚合多个官方信息渠道,提供来自苹果、国防部、NASA等来源的最新新闻。用户可浏览新闻标题和摘要,快速获取各领域重要信息。网站设计简洁,加载迅速,是一个便捷的在线新闻聚合平台,可托管于Github Pages。
autoscraper - 自动化智能高效的Python网页抓取工具
AutoScraperGithubPython安装教程开源项目数据提取自动网页抓取
AutoScraper 是一款为简化网页爬取而设计的智能工具,能够自动学习爬取规则,获取网页中的文本、URL及HTML标签值。兼容Python 3,支持从Git、PyPI或源代码安装,允许使用代理和自定义请求参数,并且可以保存和加载模型,满足各种复杂的网页数据抓取需求。
trafilatura - 优化网页内容抓取和提取,简化数据处理流程
GithubPythonTrafilatura开源项目文本提取网页抓取自然语言处理
Trafilatura是一款先进的Python包及命令行工具,专为简化网页文本收集和处理设计,涵盖网页抓取、下载、解析和关键内容提取等功能。无需数据库支持,该工具支持输出多种格式,如TXT、CSV和JSON,具备并行处理、高效爬行和智能URL管理功能。广泛应用于自然语言处理、计算社会科学及信息安全领域。活跃的开源社区及定期更新使其在文本提取领域表现优异,效率和准确度俱佳。
crawlers - 灵活强大的开源网络和文件系统爬虫框架
GithubJava开发Norconex Crawlers开源项目数据采集文件系统爬虫网络爬虫
Norconex Crawlers是一个开源的网络和文件系统爬虫框架,提供全面的数据采集和处理功能。该框架支持灵活的数据存储方式,可扩展性强,跨平台兼容。它既可通过命令行配置文件运行,也能作为Java库集成到应用中。Norconex Crawlers适用于搜索引擎数据采集等多种场景,是一个功能完善的爬虫解决方案。
flickr_scraper - 专为YOLO训练集收集的Flickr图片爬取工具
FlickrGithubYOLO训练图像爬虫开源项目数据集收集计算机视觉
flickr_scraper是一款针对YOLO训练数据集收集开发的Python工具。该工具通过Flickr API实现关键词搜索和批量下载功能,可快速获取并保存相关图片。它简化了计算机视觉任务的数据准备流程,使用者只需配置API密钥即可开始使用。这个开源项目为研究者和开发者提供了便捷的图像数据采集方式。
metascraper - 优化网页元数据提取的多功能库
GithubJavaScriptmetascraper元数据提取开源库开源项目网页抓取
metascraper是一个高效的网页元数据提取库,支持多种格式如Open Graph、Microdata、RDFa等。它采用灵活的规则系统,可自定义和扩展,对在线文章有较高准确率。该库提供HTML解析和多级回退机制,用户可根据需求组合使用不同规则包。
crawlee - 功能强大的网页爬虫和浏览器自动化库
CrawleeGithubNode.js开源项目数据抓取浏览器自动化网络爬虫
Crawlee是一个功能丰富的网络爬虫和浏览器自动化库,适用于各种网页数据采集和自动化任务。它提供HTTP和无头浏览器爬取的统一接口,支持持久化队列、可插拔存储和自动扩展。Crawlee具有代理轮换功能,能模拟人性化的爬取行为,有效避开常见的反爬虫措施。该库易于配置和使用,可快速构建稳定高效的爬虫系统。Crawlee基于Node.js开发,支持TypeScript,并提供了完善的文档和示例,方便开发者快速上手和集成。
FinNLP - 金融领域自然语言处理的开源工具库
FinNLPGithub开源项目新闻数据机器学习自然语言处理金融数据
FinNLP是一个专注于金融领域的自然语言处理工具库,提供大语言模型训练和微调流程。它支持获取美国和中国市场的新闻及社交媒体数据,使研究人员和开发者能够方便地处理和分析大规模金融文本数据,为金融NLP研究和应用提供支持。
Agently-Daily-News-Collector - 基于LLM的开源自动新闻收集工作流
AIAgentlyGithub开源开源项目新闻收集自动化
Agently-Daily-News-Collector是基于LLM的开源自动新闻收集项目。该工具利用Agently框架,用户输入主题后自动生成新闻汇总。支持多主题,输出Markdown和PDF格式。克隆仓库并设置API密钥即可使用,简化了新闻收集流程。
weiboSpider - 多功能新浪微博数据采集工具
GithubPython开源项目微博内容微博爬虫数据采集用户信息
weiboSpider是一款开源的新浪微博数据采集工具。它能够批量获取一个或多个用户的微博数据,涵盖用户信息和微博内容。支持将采集结果保存为txt、csv、json等多种文件格式,也可存入数据库。同时具备下载微博图片和视频的功能。该工具配置灵活,操作简便,适合各类需要微博数据的用户和研究人员使用。
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