别再买爬虫软件了：这个免费工具，点几下就能抓网页数据

你是不是也这样过？
想从招聘网站扒几个岗位标题做行业分析，结果发现「猎聘导出 Excel」要付费；想比价京东和淘宝的同款商品，手动复制粘贴二十页，手酸眼花还漏掉关键参数；甚至只是想把知乎专栏里那几篇长文自动存成 Markdown，都得翻教程、装 Chrome 插件、调选择器——最后卡在「$x = document.querySelectorAll(…)」这行代码上，关掉页面去刷短视频。
不是不想干，是太费劲。买个现成的爬虫工具？最便宜的月付也要 30 块，一年就是 360，还不包更新、不教你怎么改规则。更别说有些平台直接封 IP，买了也白买。
今天这个工具，我试了三天，抓了豆瓣电影 TOP250 的片名+评分+导演，又顺手扒了小红书某护肤合集的标题和点赞数——全程没写一行选择器，也没碰过 XPath。它不卖账号、不收年费、不弹广告，就一个 Python 包，装完就能用。

能替代什么 / 能省多少钱

它不替代某个具体名字的商业软件，但实实在在顶掉了三类你常掏钱的服务：第一类是「网页数据采集 SaaS」，比如八爪鱼、火车头这类按月订阅的可视化爬虫平台，基础版每月 98 元起，高级功能还要加钱；第二类是「定制爬虫外包」，朋友公司上周刚找人写了个抓电商评论的脚本，报价 1800 元，只跑三个月；第三类是「Excel 插件+人工补录」，像某些财务人员每周手动从政府采购网复制中标信息到表格里，一小时干不完，还容易错。
算笔账：如果你每月为这类事花 50 元（保守估计），一年就是 600 元。这个工具免费，MIT 协议，能一直用。哪怕你只用它半年，就省下 300 块，够买两本实体书，或者请自己吃顿好的。而且它不锁功能，不用看「免费版仅支持 100 条/天」这种小字条款。

核心功能

你给它一个网页链接，再告诉它「我要这几个词」，它自己学会怎么找，比如你输入「苹果股价 124.81」，它就能记住这个数字在 Yahoo 财经页面里的位置规律，下次换微软、谷歌的页面，照样精准抓出股价，不用重写规则。
抓的内容类型很实在：纯文本（标题、简介、价格）、超链接（文章原文地址、图片 src）、甚至 HTML 标签里的属性值（比如某个按钮的 data-id 或 class 名）。我试过抓 GitHub 仓库页的「Star 数」和「Issues 链接」，两个不同结构的数据，一条命令全拿下，顺序都不乱。
同一个模型能复用到多个相似网页。比如你用 Stack Overflow 的一个问题页训练好规则，之后所有问题页，不管 URL 是 /questions/606191 还是 /questions/2081586，都能直接调用，返回对应页面的「相关问题标题列表」。这点比手动写正则强太多，省得每个新页面都调试半天。
支持传入自定义请求参数。有些网站会反爬，需要加 headers 或走代理。它的 build() 方法里可以直接塞 requests 支持的参数，比如 proxies={‘http’: ‘http://127.0.0.1:8080’}，我用本地 Charles 抓包调试时特别顺手。
模型能存成文件，下次直接加载。我昨天训练好的「抓豆瓣电影」模型，今天打开 Python 就 load(‘douban-movie’)，三秒内开始跑新链接，不用重新喂样本。对经常要批量处理的人来说，这省下的时间比写代码还值。
它不依赖浏览器，纯 Python 实现，启动快、内存占用低。我在一台 4GB 内存的老笔记本上跑了十来个并发任务，风扇都没怎么转。不像某些基于 Selenium 的工具，开一个页面就占 300MB 内存。

三步上手

先确认你电脑装了 Python 3.6 或更高版本，Windows 用户去 python.org 下载安装包，勾选「Add Python to PATH」；Mac 用户如果没动过系统，大概率自带 Python3，终端输 python3 –version 看一眼就行；Linux 用户一般默认有，Ubuntu 可以用 sudo apt install python3-pip 补齐 pip。
打开终端（Windows 是 CMD 或 PowerShell，Mac 是 Terminal），粘贴这行命令回车：
pip install autoscraper
别怕，就这一行，没有依赖地狱，不会报错「failed building wheel」。我试了三次，两次秒装完，一次因为网络慢多等了 15 秒，但没失败。
新建一个叫 test.py 的文本文件，把官网示例里那段 Stack Overflow 的代码完整复制进去，保存后在终端里运行 python test.py。第一次运行会自动下载网页内容，大概 2-3 秒，然后直接打印出一串标题列表。看到结果那一刻，你就真的会心一笑，不是「它成功了」，而是「原来这么简单」。

要说清楚的短板

它不是万能的，有三个地方你得心里有数：第一，不支持中文界面，所有提示、报错、文档全是英文。如果你看到「AttributeError: ‘NoneType’ object has no attribute ‘find’」这种报错，得自己查 Python 错误类型，不能指望中文帮助。第二，动态渲染的网页（比如用 React/Vue 加载的无限滚动列表）它抓不到，因为底层没跑浏览器引擎。我试过小红书首页，它只拿到骨架 HTML，真实内容全空白。第三，它不提供图形界面，所有操作都在 Python 脚本里完成。想点点鼠标就出 Excel？不行。得写几行代码，再运行一下。这点对完全没接触过编程的人，门槛还是有的，但它比学 Selenium 简单十倍，真的一小时就能上手。