某SaaS一年要2400块，这个开源工具免费还好用

别再手动复制粘贴网页内容了。

你花半小时整理的新闻标题、商品参数、招聘要求，其实可以交给一个工具自动干完——而且不用注册账号、不上传数据、不按条收费。

它不叫「爬虫」，也不需要写代码。你只要告诉它「我要哪几类信息」，它就打开网页、读内容、结构化输出，像人一样理解页面。

它替你省掉了什么

市面上没有直接对标的名字，但它解决的是真实付费场景：比如企业采购部门每天要从几十个供应商网站扒产品型号和报价；运营要定时抓取竞品活动页文案；研究员得汇总上百篇论文摘要。

它不卖服务，只给你一个能自己跑起来的工具。

这类需求，通常靠外包写脚本（一次几千）、或买现成SaaS（月费300–800元起）、或订阅AI自动化平台（年费上千）。而这个项目完全开源，MIT协议，允许商用。

价格直接砍到零。

它能干什么

• 你给它一个网址，比如豆瓣电影页，再定义「片名、评分、导演、上映年份」这几个字段，它就能把整页信息自动抽出来，生成标准JSON，直接导入Excel或数据库。字段定义用Zod语法，比如z.string().min(1)确保片名不为空，z.number().int().positive()限定评分是正整数。
• 支持GPT、Claude、Gemini、Qwen甚至本地Llama模型，也就是说，你用自己已有的API密钥就能跑，不用额外买算力。每个模型对应独立初始化方式，比如Anthropic需调用anthropic('claude-3-5-sonnet-20240620')，参数名必须严格匹配官方模型ID。
• 不只是文字：它还能截取网页截图，喂给多模态模型识别图中表格或价格标签，对电商比价、财报截图解析特别实用。启用format: 'image'后，Playwright会自动生成全屏截图并传入LLM上下文。
• 格式灵活，可选HTML原样、纯文本、Markdown甚至Readability优化后的干净正文，遇到排版混乱的新闻站，也能稳稳提取核心内容。比如设format: 'text'时，底层调用Mozilla的Readability.js库，自动过滤广告栏、导航菜单等干扰区块。
• 支持流式输出，边分析边返回结果。比如抓10条新闻，第3条刚识别完就能看到，不用等全部跑完才出结果。调用scraper.stream()后，返回的是AsyncIterable对象，配合for await逐段消费。
• 所有操作都在你本地电脑完成：浏览器用Playwright启动，LLM调用走你自己的API，数据不经过任何第三方服务器。Playwright默认使用无头Chromium，无需手动安装浏览器，npm install时自动下载对应二进制。

怎么开始用

1. 先装Docker（官网下载安装包，Windows/macOS都有图形界面，点几下就装好），这是最省事的方式；如果你熟悉Node.js，也可以用npm全局安装，但Docker更稳定。实际只需执行npm i zod playwright llm-scraper三行命令，Playwright会自动适配系统环境。
2. 去OpenAI、Anthropic或Google Cloud申请一个免费API密钥（新用户通常送$5额度，够试几十次），填进配置文件里；不想用国外服务？它也支持Groq或本地Ollama，文档里有具体命令。例如Groq需额外设置baseURL和GROQ_API_KEY环境变量，Ollama则依赖本地ollama serve进程已启动。
3. 运行官方提供的示例脚本（GitHub仓库里examples文件夹下就有现成的Hacker News抓取代码），改两行网址和字段定义，保存后终端敲node index.js，几秒后就能看到结构化结果打印出来。示例中schema用Zod定义为含5项的数组，每项包含title、points等键，LLM会严格按此结构输出，不会多也不会少。

项目信息

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。