Estrarre dati strutturati da una pagina web di solito significa scrivere uno scraper usa e getta che si rompe nell'istante in cui il sito cambia. Questo estrattore parte invece da un URL e uno schema.
sonnet4 giorniFirecrawlPlaywrightOpenAIPostgres
Claude
65ROI
72Scale
$2.2k93Saved
ROI for
README.md
Perché questo subagent
Estrarre dati strutturati da una pagina web di solito significa scrivere uno scraper usa e getta che si rompe nell'istante in cui il sito cambia. Questo estrattore parte invece da un URL e uno schema.
Descrivi i campi che ti servono, e lui esegue il rendering della pagina, mappa gli elementi e restituisce record validati e puliti. Cambi sito cambiando lo schema; nessun nuovo scraper da scrivere, e ogni campo che la pagina non ha viene segnalato invece che inventato.
Come gira
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.
Prende lo schema che hai definito e mappa gli elementi della pagina sui suoi campi.
pending
Estrae i dati, converte i tipi e valida ogni riga rispetto allo schema.
pending
Restituisce record strutturati e puliti e segnala i campi che la pagina non ha fornito.
pending
Esempio di 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.