Collez les URL de n'importe quelles pages, une par ligne, puis dites ce que vous voulez en tirer - sous forme de phrase dans le champ Prompt, ou de schéma que vous construisez champ par champ. Claude lit chaque page et renvoie ce que vous avez demandé. Les champs que vous nommez sont les colonnes ; il n'y a ni parseur par site ni jeu figé à contourner.
Deux entrées obligatoires, et la seconde peut être donnée sous la forme qui vous arrange.
Il vous en faut un des deux, pas les deux : le formulaire ne vous arrête que si le prompt est vide et qu'aucun champ de schéma n'a été défini. Si vous écrivez les deux, vous donnez au modèle l'instruction et la forme.
Ajoutez un champ nommé price et le fichier a une colonne nommée price. Il n'y a ni étape de mappage ni liste de sites pris en charge, parce que rien ici n'est écrit par site. C'est ce qui le rend intéressant pour les pages qu'aucun extracteur dédié ne couvre - le catalogue d'un fournisseur, les avis d'un régulateur, le journal des versions d'un concurrent.
Le champ Prompt accepte une description en clair et c'est la façon la plus rapide d'essayer quelque chose. Le constructeur Schema est celui à utiliser quand la sortie doit être prévisible : chaque champ porte un type - String, Number, Boolean, Array ou Object - et peut être marqué requis. Un onglet JSON affiche le même schéma en JSON Schema, vous pouvez donc coller celui que vous avez déjà.
Quand l'export porte une colonne query, elle est placée en premier : chaque ligne dit quelle URL l'a produite et un fichier couvrant cinquante pages reste regroupable. Un détail discret à connaître : une clé interne position est délibérément exclue des colonnes assemblées, elle n'apparaît donc ni dans le tableau ni dans les téléchargements.
Toutes les autres pages produit d'ici nomment un jeu de colonnes figé. Celle-ci ne le peut pas, et la raison est structurelle, pas un oubli.
Les champs que vous décrivez sont le fichier. Ce service n'a nulle part de tableau de colonnes déclaré. La liste est assemblée après l'exécution, à partir des clés réellement revenues : query d'abord lorsqu'elle est présente, puis chaque autre clé dans l'ordre où elle a été vue pour la première fois. Demandez sku, price et in_stock et ce seront vos colonnes, dans cet ordre. Demandez quelque chose que la page ne porte pas et attendez-vous à une cellule vide plutôt qu'à une invention - mais vérifiez-le sur votre propre première exécution plutôt que de le croire sur parole.
Prompt ou schéma est un vrai choix, pas deux mots pour la même chose. Un prompt est plus rapide et plus indulgent, et c'est le bon outil tant que vous cherchez encore ce que contient une page. Un schéma est ce qu'il vous faut dès que la sortie alimente quelque chose en aval : nommer les champs et leurs types est la façon d'empêcher la forme de dériver d'une exécution à l'autre, et marquer un champ requis est la façon de dire qu'il compte. Le constructeur et la vue JSON sont le même schéma : vous pouvez commencer en cliquant et finir en collant.
Deux différences pratiques avec le reste de la plateforme. Ici la limite compte des lignes par URL et non des pages, et elle est vide par défaut, ce qui veut dire toutes - l'inverse d'un outil qui s'arrête après une page tant que vous ne dites rien. Et chaque page est récupérée via le pool de proxies plutôt que depuis votre propre adresse : si une PROXY_URL ou une PROXY_LIST payante est configurée, elle est utilisée, sinon le pool gratuit, et dans aucun des deux cas votre IP réelle.
Ce que cette page ne vous dira pas, c'est la qualité d'une extraction donnée. Nous n'avons aucun export rempli de ce service à décrire, et la qualité dépend ici de la page visée et des mots choisis - donc pas de chiffre de précision, pas de fichier d'exemple et aucune promesse sur une cellule précise. Dépensez quelques lignes gratuites sur une page, lisez les colonnes, puis élargissez la liste.
Toutes concernent des pages qu'aucun extracteur dédié ne couvre.
L'essentiel du travail de scraping n'est ni Amazon ni LinkedIn - c'est un distributeur professionnel, la liste des membres d'une fédération, le registre des licences d'une commune. Pointez ceci sur ces pages, nommez les quatre champs dont vous avez réellement besoin, et vous obtenez un tableau sans que personne n'écrive un parseur pour un site que vous utiliserez deux fois.
Commencez dans le champ Prompt sur une poignée de pages, voyez ce qui revient, puis basculez dans le constructeur Schema les champs qui se sont révélés utiles et donnez-leur des types. Ce chemin - décrire librement, puis fixer - est la raison d'être des deux entrées.
Une page tarifs, une page conditions, une page statut : la formulation bouge, le balisage bouge, et un extracteur à base de sélecteurs casse sur les deux. Décrire le champ plutôt que sa position, c'est ce qui survit à une refonte, ce qui en fait un choix raisonnable pour quelque chose que vous comptez relancer.
Pas d'abonnement, pas de minimum, pas de licence par utilisateur. Vos 500 premières lignes sont offertes - ensuite, c'est du paiement à l'usage.
Pour chaque nouveau compte, une seule fois. Sans carte bancaire. Tous les scrapers débloqués. Sur ce service en particulier, c'est là qu'il faut commencer : cela ne coûte rien de découvrir si votre prompt ou votre schéma renvoie bien ce que vous vouliez dire.
Environ 2 $ pour 1 000 lignes, le même tarif forfaitaire que tous les autres scrapers de la plateforme - une extraction pilotée par IA n'est pas facturée différemment d'une extraction à schéma figé. La limite compte des lignes par URL et vaut toutes par défaut : mieux vaut poser un nombre tant que vous testez encore les formulations.
Tarifs au volume, SLA, workers dédiés et onboarding sur mesure pour les équipes qui lancent ceci sur une longue liste de sources plutôt que sur quelques pages. Donnez-nous vos chiffres et nous vous ferons une proposition.
LIVESCRAPER10 au paiement.Décrire des champs est le bon outil pour les pages que personne n'a parsées. Là où un extracteur dédié existe, utilisez-le - les colonnes y sont déjà connues.
La même idée avec une entrée plus simple : au lieu d'un prompt ou d'un schéma typé, vous choisissez des attributs dans une liste, et sa limite compte des pages par requête et non des lignes par URL. À privilégier quand une courte liste d'attributs suffit.
La même page en image plutôt qu'en champs. Utile à côté d'une extraction quand il vous faut la preuve de ce que disait une page le jour où vous l'avez lue, et pas seulement les valeurs que vous en avez tirées.
Avant de décrire des champs à la main, vérifiez si le site dispose déjà ici d'un extracteur dédié. Ceux-là renvoient un jeu de colonnes documenté, ce qui est un meilleur point de départ que n'importe quelle description que vous ou nous pourrions écrire.
Réponse courte : ce sont les règles qui s'appliquaient déjà au scraping - qu'un modèle lise la page ne change pas ce que vous avez le droit de collecter.
Collecter des informations publiquement visibles à des fins de recherche et d'analyse est une pratique établie de longue date, et c'est ce qui se passe ici : la page est récupérée telle qu'un visiteur ordinaire la verrait, et un modèle la lit. Tant que les données sont accessibles au public et que le processus ne perturbe pas le service, aucune loi fédérale ne l'interdit. Ce que le modèle ne fait pas, c'est vous faire passer quoi que ce soit : rien derrière une connexion, un paywall ou un mur de consentement n'entre dans le périmètre.
Ce service est plus ouvert que le reste de la plateforme, ce qui place la responsabilité du périmètre sur la personne qui écrit le prompt. Un schéma qui demande des noms, des e-mails ou toute autre donnée identifiant une personne signifie que vous traitez des données personnelles, et le RGPD et les régimes similaires s'appliquent à vous quelle qu'en soit la provenance. Demandez ce dont votre finalité a réellement besoin ; un champ que vous ne pouvez pas justifier est un risque, pas un bonus.
Les conditions de chaque site s'appliquent toujours, et elles varient - vérifiez-les pour les pages que vous comptez traiter. Nous ne touchons à rien derrière une connexion, ne lisons que ce que voit un visiteur ordinaire, n'exécutons aucun traceur tiers sur la couche de données, et vos exports s'auto-suppriment au bout de 30 jours.
Les questions que nous entendons le plus. Autre chose ? Parlez-nous - ce sont des humains qui rédigent les réponses, pas des bots.
Collez une URL, décrivez ce que vous voulez en une phrase ou sous forme de schéma, et voyez ce qui revient. Vos 500 premières lignes sont gratuites.
La plupart des outils de scraping partent d'un site et vous tendent son schéma. Celui-ci part d'un schéma et vous laisse le pointer sur un site. Collez les URL de n'importe quelles pages, une par ligne, décrivez ce que vous voulez - en une phrase dans le champ Prompt, ou en un ensemble de champs dans le constructeur Schema - et chaque page est récupérée et lue par Claude, qui renvoie les champs que vous avez nommés. Il n'y a pas de parseur par site ici, donc pas de liste de sites pris en charge à laquelle vous mesurer.
Les deux façons de demander sont réellement deux outils. Un prompt est souple et rapide, et c'est ce qu'il vous faut tant que vous découvrez ce que porte une page. Un schéma fige la sortie : chaque champ a un nom et un type - String, Number, Boolean, Array ou Object - et peut être marqué requis, ce qui est la façon de garder la forme stable d'une exécution répétée à l'autre. Le constructeur et la vue JSON sont le même schéma sous deux formes : un schéma que vous avez déjà peut être collé, et celui que vous assemblez au clic peut être copié. Il vous en faut un des deux ; donner les deux indique simplement au modèle l'instruction et la forme.
Parce que c'est vous qui définissez les champs, le fichier n'a pas de liste de colonnes figée, et cette page n'a donc pas de dictionnaire de données. Les colonnes sont assemblées après l'exécution à partir des clés réellement revenues - query d'abord lorsqu'elle est présente, pour que chaque ligne enregistre l'URL qui l'a produite, puis tout le reste dans l'ordre d'apparition. Une clé interne position est exclue de cette liste : elle n'apparaît ni dans le tableau ni dans les téléchargements. Deux différences plus petites avec le reste de la plateforme méritent d'être connues : la limite compte des lignes par URL et non des pages, et elle est vide par défaut, c'est-à-dire toutes ; et les pages sont récupérées via le pool de proxies - une PROXY_URL ou une PROXY_LIST payante si elle est configurée, sinon le pool gratuit, et jamais votre propre adresse.
Une chose que cette page ne fait délibérément pas, c'est vous dire à quel point l'extraction est bonne. La qualité dépend de la page et de votre formulation, ce qui rend n'importe quel chiffre de précision trompeur dans les deux sens, et nous préférons le dire plutôt que publier un nombre que nous ne pouvons pas assumer. Le conseil honnête est le moins cher : lancez une seule page avec l'offre gratuite, lisez les colonnes obtenues, ajustez les noms de champ ou la phrase, et seulement ensuite pointez-le sur une liste. Vos 500 premières lignes ne coûtent rien et ne demandent pas de carte bancaire. Voir les tarifs pour les prix en vigueur.