八爪鱼一年要 499 块，这个开源工具免费还好用

你有没有过这种时候：想从招聘网站扒几个岗位要求做竞品分析，结果发现「八爪鱼」要年费 499、「火车头」基础版也要 299，还一堆功能用不上？或者公司让整理 20 家竞对官网的联系方式，你手动点开、复制、粘贴，干了两小时，眼睛发酸，还漏了 3 家。有些网站加了反爬，你刚装好浏览器插件，就弹出“检测到自动化行为”。其实这类活儿，根本不用买商业爬虫——它要的不是写代码的能力，而是能听懂人话、自动找字段、不卡壳的“聪明抓手”。

能替代什么 / 能省多少钱

它不直接对标某一个具体软件名，但精准切中一类高频付费需求：企业/个人做轻量级数据采集时，为“抓网页信息”单独买的爬虫服务或 SaaS 工具。比如「八爪鱼云服务」按月计费，最低档 199 元/月；「WebHarvy」永久授权要 299 美元；还有不少小厂做的“AI 网页提取器”，订阅制起步就是 15 美元/月。这些工具核心卖点就一条：你告诉它“我要公司简介、创始人名字、联系电话”，它自己去网页里找、识别、结构化输出。ScrapeGraphAI 干的也是这事，而且完全免费。你不用交年费，也不用担心账号被封、调用量超限——只要你的电脑能跑 Python，它就一直能用。

核心功能

• 你写一句中文提示，它就帮你从网页里把指定信息拎出来。比如你写“提取这家公司的主营业务、成立年份和 CEO 姓名”，它会自动分析页面结构，绕过广告栏、导航栏，只抓正文里的目标字段。我试过抓一个科技媒体的作者页，提示写“列出所有作者名字和他们的 Twitter 账号”，结果返回的是标准 JSON，字段名都按我说的命名，不用再手动清洗。
• 不光能爬网页，还能读本地文件。PDF、HTML、Markdown、JSON、XML 都行。上周我手上有份 87 页的 PDF 行业白皮书，想快速提取“政策建议”章节里的所有条目，把它转成 HTML 后丢给 ScrapeGraphAI，配一句提示，30 秒生成带编号的列表。比打开 Acrobat 手动复制快得多，也比用 OCR 再识别准得多。
• 支持换不同的 AI 模型当“大脑”。默认用本地跑的 Ollama（比如 llama3.2），不联网、不传数据；也支持接 OpenAI、Anthropic 或国产千问 API。这点我很喜欢，敏感数据不出内网，普通任务用免费模型，真有复杂逻辑再切付费模型，钱花得明白。
• 能嵌进你现有的工作流里。它提供了 Python SDK，也能通过 Zapier、n8n、Dify 这些低代码平台调用。我朋友在用 Bubble 做客户管理后台，直接加了个 ScrapeGraphAI 插件，销售填完客户网址，系统自动抓出官网电话和邮箱，填进 CRM 字段里。整个过程用户完全无感。
• 错误反馈很实在。不像某些商业工具报个“解析失败”就卡住，它会在日志里告诉你哪一步卡了：是 Playwright 打不开页面？还是 LLM 返回格式不对？甚至会提示“试试把 prompt 改成‘只提取文字，不要解释’”。这点对非程序员特别友好，至少你知道下一步该调啥，而不是对着报错干瞪眼。

三步上手

1. 先装 Python 3.9 或更高版本（Mac 和 Windows 自带安装包，Linux 用户用 apt install python3 即可）；再打开终端或命令提示符，输入 pip install scrapegraphai 回车。这一步大概 30 秒，会自动装好依赖，包括 playwright ， 它负责模拟真实浏览器访问网页。
2. 接着运行 playwright install chromium，让工具下载一个轻量版 Chrome 浏览器内核。这步必须做，否则访问多数现代网站会失败。我第一次漏了这行，跑了半天报错“browser not found”，查文档才发现是这一步没走。
3. 新建一个 test.py 文件，把 README 里的 5 行示例代码复制进去，改掉里面的网址和提示语（比如把 source 改成你想抓的网页地址，prompt 改成你要的信息，像“提取标题、发布时间和正文第一段”），然后在终端里运行 python test.py。第一次运行会慢一点（约 15-20 秒），因为要加载模型，之后就快了，结果直接打印在屏幕上，是标准 JSON 格式，可直接存文件或导入 Excel。

项目信息

Python 编写，GitHub 上 31535 颗星，MIT 开源协议。GitHub 项目地址

你用过类似的免费工具吗？评论区聊聊，我挑几个下期专门写。