Cole URLs de qualquer página, uma por linha, e depois diga o que quer tirar delas - como uma frase na caixa Prompt ou como um esquema que você monta campo a campo. O Claude lê cada página e devolve o que você pediu. Os campos que você nomeia são as colunas; não há parser por site nem conjunto fixo para contornar.
Duas entradas obrigatórias, e a segunda você pode dar na forma que preferir.
Você precisa de um dos dois, não dos dois: o formulário só te interrompe se o prompt estiver vazio e nenhum campo de esquema tiver sido definido. Se escrever os dois, está dando ao modelo a instrução e a forma.
Adicione um campo chamado price e o arquivo terá uma coluna chamada price. Não há etapa de mapeamento nem lista de sites suportados, porque aqui nada é escrito por site. É isso que faz valer a pena nas páginas que nenhum scraper dedicado cobre - o catálogo de um fornecedor, os avisos de um regulador, o changelog de um concorrente.
A caixa Prompt aceita descrição em linguagem comum e é o jeito mais rápido de testar algo. O construtor de Schema é o que se usa quando a saída precisa ser previsível: cada campo carrega um tipo - String, Number, Boolean, Array ou Object - e pode ser marcado como obrigatório. Uma aba JSON mostra o mesmo esquema como JSON Schema, então dá para colar um que você já tenha.
Quando a exportação traz uma coluna query, ela vem primeiro, então cada linha diz qual URL a produziu e um arquivo que cobre cinquenta páginas continua agrupável. Um detalhe discreto que vale saber: uma chave interna position é deliberadamente excluída das colunas montadas, então não aparece nem na tabela nem nos downloads.
Todas as outras páginas de produto daqui nomeiam um conjunto fixo de colunas. Esta não pode, e o motivo é estrutural, não uma omissão.
Os campos que você descreve são o arquivo. Este serviço não tem nenhum array de colunas declarado em lugar algum. A lista é montada depois da execução, a partir das chaves que realmente voltaram: query primeiro quando presente, e depois cada outra chave na ordem em que foi vista pela primeira vez. Peça sku, price e in_stock e essas serão as suas colunas, nessa ordem. Peça algo que a página não carrega e você deve esperar uma célula vazia em vez de uma invenção - mas confira isso na sua própria primeira execução em vez de acreditar numa página de marketing.
Prompt ou esquema é uma escolha real, não duas palavras para a mesma coisa. Um prompt é mais rápido e mais tolerante, e é a ferramenta certa enquanto você ainda está descobrindo o que uma página contém. Um esquema é o que você quer no momento em que a saída alimenta qualquer coisa adiante: nomear os campos e os seus tipos é como você evita que a forma mude de uma execução para a outra, e marcar um campo como obrigatório é como você diz que ele importa. O construtor e a visão JSON são o mesmo esquema, então dá para começar clicando e terminar colando.
Duas diferenças práticas em relação ao resto da plataforma. Aqui o limite conta linhas por URL em vez de páginas, e vem vazio por padrão, o que significa todas - o contrário de uma ferramenta que para depois de uma página se você não disser outra coisa. E cada página é buscada pelo pool de proxies em vez de pelo seu próprio endereço: se houver uma PROXY_URL ou PROXY_LIST paga configurada, ela é usada; caso contrário, o pool gratuito - e em nenhum dos casos o seu IP real.
O que esta página não vai lhe dizer é quão bem sai uma extração específica. Não temos nenhuma exportação preenchida deste serviço para descrever, e a qualidade aqui depende da página para a qual você aponta e das palavras que escolhe - então não há número de precisão, nem arquivo de exemplo, nem promessa sobre uma célula específica. Gaste algumas linhas grátis numa página, leia as colunas e só então amplie a lista.
Todas são páginas que nenhum scraper dedicado cobre.
A maior parte do trabalho de scraping não é Amazon nem LinkedIn - é um distribuidor técnico, a lista de associados de uma entidade setorial, o registro de licenças de uma prefeitura. Aponte isto para essas páginas, nomeie os quatro campos de que você realmente precisa, e recebe uma tabela sem que ninguém escreva um parser para um site que você vai usar duas vezes.
Comece na caixa Prompt com um punhado de páginas, veja o que volta e depois leve para o construtor de Schema os campos que se mostraram úteis, dando tipos a eles. Esse caminho - descrever solto e depois fixar - é a razão de existirem as duas entradas.
Uma página de preços, uma de termos, uma de status: o texto muda, a marcação muda, e um scraper baseado em seletores quebra nas duas. Descrever o campo em vez da sua posição é o que sobrevive a um redesenho, o que torna isto uma escolha sensata para algo que você pretende repetir.
Sem assinatura, sem mínimo, sem licença por usuário. Suas primeiras 500 linhas são por nossa conta - depois disso é pago conforme o uso.
Em cada conta nova, uma única vez. Sem cartão de crédito. Todos os scrapers liberados. Neste serviço em particular é onde você deve começar: não custa nada descobrir se o seu prompt ou o seu esquema devolve o que você quis dizer.
Cerca de 2 $ por 1.000 linhas, a mesma tarifa fixa de qualquer outro scraper da plataforma - uma extração com IA não é cobrada de forma diferente de uma com esquema fixo. O limite conta linhas por URL e por padrão são todas, então vale colocar um número enquanto você ainda testa formulações.
Preços por volume, SLAs, workers dedicados e onboarding sob medida para times que rodam isto sobre uma lista longa de fontes em vez de um punhado de páginas. Informe seus números e faremos uma proposta.
LIVESCRAPER10 no checkout.Descrever campos é a ferramenta certa para páginas que ninguém parseou. Onde existe um scraper dedicado, use-o - as colunas já são conhecidas.
A mesma ideia com uma entrada mais simples: em vez de um prompt ou de um esquema com tipos, você escolhe atributos de uma lista, e o limite dele conta páginas por consulta em vez de linhas por URL. Recorra a ele quando uma lista curta de atributos for tudo de que você precisa.
A mesma página como imagem em vez de como campos. Útil ao lado de uma extração quando você precisa de prova do que a página dizia no dia em que a leu, e não só dos valores que tirou dela.
Antes de descrever campos à mão, confira se o site já tem aqui um scraper dedicado. Esses devolvem um conjunto de colunas documentado, que é um ponto de partida melhor do que qualquer descrição que você ou nós pudéssemos escrever.
Resposta curta: valem as regras que já se aplicavam ao scraping - um modelo ler a página não muda o que você pode coletar.
Coletar informações publicamente visíveis para pesquisa e análise é prática consolidada há muito tempo, e é isso que acontece aqui: a página é buscada como um visitante comum a veria, e um modelo a lê. Desde que os dados sejam de acesso público e o processo não prejudique o serviço, não há leis federais que o proíbam. O que o modelo não faz é passar você por cima de nada - nada atrás de um login, de um paywall ou de um aviso de consentimento entra no escopo.
Este serviço é mais aberto que o resto da plataforma, e isso coloca a responsabilidade pelo escopo em quem escreve o prompt. Um esquema que pede nomes, e-mails ou qualquer outra coisa que identifique uma pessoa significa que você está tratando dados pessoais, e o GDPR e regimes semelhantes se aplicam a você independentemente de onde os obteve. Peça o que a sua finalidade realmente precisa; um campo que você não consegue justificar é um risco, não um bônus.
Os termos de cada site continuam valendo, e eles variam - confira-os para as páginas que pretende rodar. Não tocamos em nada atrás de um login, lemos apenas o que qualquer visitante vê, não executamos rastreadores de terceiros na camada de dados e suas exportações se excluem sozinhas após 30 dias.
As perguntas que mais ouvimos. Mais alguma coisa? Fale conosco - quem escreve as respostas são pessoas, não bots.
Cole uma URL, descreva o que você quer numa frase ou como esquema, e veja o que volta. Suas primeiras 500 linhas são grátis.
A maioria das ferramentas de scraping começa por um site e entrega a você o esquema dele. Esta começa por um esquema e deixa você apontá-lo para um site. Cole URLs de qualquer página, uma por linha, descreva o que quer - como frase na caixa Prompt, ou como um conjunto de campos no construtor de Schema - e cada página é buscada e lida pelo Claude, que devolve os campos que você nomeou. Aqui não há parser por site, então também não há lista de sites suportados com que se comparar.
As duas formas de pedir são ferramentas genuinamente diferentes. Um prompt é solto e rápido, e é o que você quer enquanto ainda descobre o que uma página carrega. Um esquema fixa a saída: cada campo tem nome e tipo - String, Number, Boolean, Array ou Object - e pode ser marcado como obrigatório, que é como se mantém a forma estável em execuções repetidas. O construtor e a visão JSON são o mesmo esquema em duas formas, então um esquema que você já tem pode ser colado e um que você monta clicando pode ser copiado. Você precisa de um dos dois; dar os dois simplesmente informa ao modelo a instrução e a forma.
Como quem define os campos é você, o arquivo não tem lista fixa de colunas, e por isso esta página não tem dicionário de dados. As colunas são montadas depois da execução a partir das chaves que realmente voltaram - query primeiro quando presente, para que cada linha registre qual URL a produziu, e depois todo o resto na ordem em que apareceu. Uma chave interna position fica de fora dessa lista, então não aparece nem na tabela nem nos downloads. Duas diferenças menores em relação ao resto da plataforma valem ser conhecidas: o limite conta linhas por URL em vez de páginas e vem vazio por padrão, ou seja, todas; e as páginas são buscadas pelo pool de proxies - uma PROXY_URL ou PROXY_LIST paga, se houver, senão o pool gratuito, e nunca o seu próprio endereço.
Uma coisa que esta página deliberadamente não faz é dizer quão boa é a extração. A qualidade depende da página e da sua formulação, o que torna qualquer número de precisão enganoso nos dois sentidos, e preferimos dizer isso a publicar um número pelo qual não podemos responder. O conselho honesto é o barato: rode uma única página no plano gratuito, leia as colunas que voltaram, ajuste os nomes dos campos ou a frase, e só então aponte para uma lista. Suas primeiras 500 linhas não custam nada e não exigem cartão de crédito. Veja preços para as tarifas atuais.