Struktureret data fra en webside kræver som regel en engangsscraper, der går i stykker, så snart siden ændrer sig. Den her extractor tager en URL og et schema i stedet.
sonnet4 dageFirecrawlPlaywrightOpenAIPostgres
Claude
65ROI
72Scale
$2.2k93Saved
ROI for
README.md
Hvorfor denne subagent
Struktureret data fra en webside kræver som regel en engangsscraper, der går i stykker, så snart siden ændrer sig. Den her extractor tager en URL og et schema i stedet.
Du beskriver de felter, du vil have, og den renderer siden, mapper elementerne og returnerer rene, validerede records. Skift site ved at skifte schemaet; ingen ny scraper at skrive, og felter, siden ikke har, flages i stedet for at blive opdigtet.
Sådan kører den
Used at step 01 to kick off the pipeline.
Write
Used at step 01 to kick off the pipeline.
WebFetch
Used at step 01 to kick off the pipeline.
WebSearch
Used at step 01 to kick off the pipeline.
Tag din definerede schema og kortlæg sideelementerne til dens felter.
pending
Udtræk dataene, coercer typerne og valider hver række mod schemaet.
pending
Returnér rene strukturerede poster og flag felter, som siden ikke leverede.
pending
Eksempel på output
json
// Sample output
// (generated when the pipeline finishes)
Given a URL and a target schema, extract matching records as JSON conforming to the schema; set missing fields null and never invent values.
Unlock the rest
The full agent definition, install snippet, and starter task are gated for community members.
Members get the full `.md` agent file, the npm / pnpm install one-liners, a starter prompt that we've tuned against real runs, and the open-source repo when this automation ships there. One email, magic link, done.