Synthèse automatique
Cette compétence permet d'extraire des données structurées de sites web à l'aide de l'automatisation de navigateur.
Points forts
- Gère le contenu dynamique et les pages avec JavaScript
- Fournit des stratégies de sélecteurs robustes (data-testid, aria-label, etc.)
- Inclut la gestion des erreurs (CAPTCHA, timeouts)
- Support du pagination automatique
Limites
- Nécessite l'intégration d'outils de navigateur (browser_use)
- Peut être bloqué par des mesures anti-bot avancées
- Consomme des ressources (temps, mémoire) pour le rendu des pages
Utilisez cette compétence lorsque vous devez collecter des données d'un site web qui n'a pas d'API publique ou dont le contenu est chargé dynamiquement.
Ne l'utilisez pas si une simple requête HTTP suffit ou si une API officielle est disponible.
Analyse de sécurité
SûrThe skill instructs on web scraping using browser automation with polite delays and robots.txt respect. No destructive commands, exfiltration, or sandbox bypasses are instructed. The browser tool usage is for legitimate extraction, with no obfuscated or malicious payloads.
Aucun point d'attention détecté
Comment cette analyse est faiteExemples
Scrape the product listings from this e-commerce site: https://example.com/productsExtract all article titles and publication dates from this news website: https://example.com/newsCrawl this directory website and get all listing details across pages: https://example.com/directoryname: web-scraping description: Extracts structured data from websites. Activates when user asks to scrape, crawl, extract data from web pages, or get information from URLs. version: 1.0.0 triggers:
- scrape
- crawl
- extract from website
- get data from url
- parse webpage
- web scraping
- pull from site domain: web complexity: moderate dependencies: [] browser: true author: auto-generated created: 2025-01-24
Web Scraping
Overview
Extracts structured data from any website using browser automation. Handles dynamic content, pagination, and common anti-bot measures.
Auto-Activation Conditions
This skill activates when:
- ✅ User asks to "scrape" or "extract" data from a website
- ✅ Request mentions getting information from URLs
- ✅ Task involves parsing HTML content
- ✅ User wants to collect data from multiple pages
Does NOT activate when:
- ❌ Data is available via public API (use API instead)
- ❌ Simple HTTP request would work (no JS rendering needed)
- ❌ User has the data locally already
Browser Integration
Requires: @../web-tools/CLAUDE.md
Instructions
Phase 1: Analyze Target
- Identify the target URL(s)
- Determine what data needs extraction
- Plan selector strategy
target = {
"url": "<user-provided-url>",
"data_points": ["<field1>", "<field2>"],
"pagination": True/False,
"requires_auth": True/False
}
Phase 2: Setup Browser
from browser_use import Agent, Browser, ChatBrowserUse
import asyncio
browser = Browser(
headless=True, # Set False for debugging
timeout=30000,
)
Phase 3: Navigate and Extract
async def scrape(url, selectors):
await browser.goto(url)
await browser.wait_for_load()
data = {}
for name, selector in selectors.items():
try:
elements = await browser.get_all(selector)
data[name] = [e.text for e in elements]
except:
data[name] = []
return data
Phase 4: Handle Pagination (if needed)
async def scrape_all_pages(start_url, selectors, next_selector, max_pages=10):
all_data = []
await browser.goto(start_url)
for page in range(max_pages):
# Extract current page
page_data = await extract_page(selectors)
all_data.extend(page_data)
# Try next page
next_btn = await browser.query(next_selector)
if not next_btn:
break
await browser.click(next_selector)
await browser.wait_for_load()
await asyncio.sleep(1) # Polite delay
return all_data
Phase 5: Return Structured Data
return {
"success": True,
"source": url,
"timestamp": datetime.now().isoformat(),
"total_items": len(data),
"data": data
}
Selector Strategy
Priority Order
[data-testid="x"]- Most stable#id- Unique identifiers[name="x"]- Form fields[aria-label="x"]- Accessibility.class- CSS classes (less stable)
Common Selectors by Site Type
| Site Type | Price | Title | Image |
|-----------|-------|-------|-------|
| E-commerce | .price, [itemprop="price"] | h1, .product-title | .product-image img |
| News | - | h1, .headline | .featured-image |
| Directory | - | .listing-title | .listing-image |
Error Handling
async def safe_scrape(browser, url, selectors):
try:
await browser.goto(url)
await browser.wait_for_load()
# Check for blocks
if await browser.query('.captcha'):
return {"error": "CAPTCHA detected", "screenshot": "captcha.png"}
return await extract_data(selectors)
except TimeoutError:
await browser.screenshot('timeout_error.png')
return {"error": "Page load timeout"}
except Exception as e:
await browser.screenshot('error.png')
return {"error": str(e)}
Examples
Example 1: Scrape Product Prices
Input: "Scrape all product prices from https://example-store.com/products"
Execution:
selectors = {
"names": ".product-name",
"prices": ".product-price",
"urls": ".product-link@href"
}
data = await scrape("https://example-store.com/products", selectors)
Output:
{
"success": true,
"source": "https://example-store.com/products",
"data": {
"names": ["Product A", "Product B"],
"prices": ["$19.99", "$29.99"],
"urls": ["/products/a", "/products/b"]
}
}
Example 2: Scrape with Pagination
Input: "Get all job listings from https://jobs.example.com, all pages"
Execution:
all_jobs = await scrape_all_pages(
start_url="https://jobs.example.com",
selectors={"title": ".job-title", "company": ".company-name"},
next_selector=".pagination-next",
max_pages=20
)
Rate Limiting Guidelines
- Minimum delay: 1 second between pages
- Max concurrent: 1 browser at a time
- Respect robots.txt: Check before scraping
- Error backoff: Double delay on each retry
Output Formats
JSON (default)
{"data": [...], "meta": {...}}
CSV
import csv
with open('output.csv', 'w') as f:
writer = csv.DictWriter(f, fieldnames=data[0].keys())
writer.writeheader()
writer.writerows(data)
Quality Checklist
- [ ] Target URL is accessible
- [ ] Selectors tested and working
- [ ] Pagination handled (if applicable)
- [ ] Rate limits respected
- [ ] Data validated before return
- [ ] Screenshot captured for verification
- [ ] Browser session closed
Integration
- Works with: data-analysis, export-csv, documentation
- Browser: Required (loads web-tools automatically)
Changelog
- v1.0.0 (2025-01-24): Initial creation
Du fichier au premier essai
Le téléchargement contient exactement le contenu affiché sur cette fiche. Cette copie peut différer de la dernière version du dépôt source.
Consulter la source et ses fichiers annexesCe téléchargement contient uniquement SKILL.md. Les scripts, références, modèles et dépendances éventuels ne sont pas inclus. Récupérez les fichiers nécessaires depuis la source en conservant leur arborescence avant de poursuivre.
1. Télécharger le fichier
Télécharger SKILL.mdDepuis la racine d’un projet de test, enregistrez le fichier sous .skill-downloads/web-scraping-and-data-extraction-mma3js0e/SKILL.md, ou utilisez la commande suivante. Ce dossier sert à examiner la skill avant son installation.
Commande pour macOS/Linux ou WSL : un shell POSIX et curl sont nécessaires. Sous Windows sans WSL, utilisez le bouton de téléchargement et créez le dossier manuellement.
mkdir -p '.skill-downloads/web-scraping-and-data-extraction-mma3js0e' && curl --fail --show-error --location 'https://skills-guides.com/api/skills/web-scraping-and-data-extraction-mma3js0e/download' --output '.skill-downloads/web-scraping-and-data-extraction-mma3js0e/SKILL.md.part' && mv '.skill-downloads/web-scraping-and-data-extraction-mma3js0e/SKILL.md.part' '.skill-downloads/web-scraping-and-data-extraction-mma3js0e/SKILL.md'2. Vérifier les prérequis
Lisez SKILL.md avant de l’utiliser. Si le fichier cite des scripts ou services externes, examinez-les et préparez les accès nécessaires dans votre environnement de test.
Aucune section de prérequis reconnue dans ce fichier. Cela ne signifie pas qu’il est autonome : les bibliothèques, outils et accès peuvent être cités ailleurs dans le contenu ou dans le dépôt source.
Les plateformes de la fiche sont des indications du catalogue. Les chemins ci-dessous suivent la documentation des outils ; ils ne prouvent pas que cette skill y a été exécutée. Aucune version minimale de ces outils n’est attestée pour cette fiche.
3. Charger la skill
Après vérification, copiez le dossier complet dans le projet avec l’une des commandes ci-dessous, puis ouvrez une nouvelle session de l’outil. La commande s’arrête si un dossier du même nom existe déjà : comparez les fichiers avant de le remplacer.
Claude Code
test -f '.skill-downloads/web-scraping-and-data-extraction-mma3js0e/SKILL.md' && test -s '.skill-downloads/web-scraping-and-data-extraction-mma3js0e/SKILL.md' && mkdir -p '.claude/skills' && test ! -e '.claude/skills/web-scraping' && cp -R '.skill-downloads/web-scraping-and-data-extraction-mma3js0e' '.claude/skills/web-scraping'OpenSkills
OpenSkills doit déjà être installé. La procédure locale install/read est contrôlée avec OpenSkills 1.5.0, qui exige Node.js ≥ 20.6.0. Aucun slug du catalogue n’est résolu automatiquement.
Installation officielle d’OpenSkillsopenskills install './.skill-downloads/web-scraping-and-data-extraction-mma3js0e'openskills read 'web-scraping-and-data-extraction-mma3js0e'La lecture doit afficher le contenu du fichier installé et son dossier de base. Elle ne lance ni la skill ni ses dépendances.
Pour un agent qui lit AGENTS.md, synchronisez ensuite l’index. Cette commande modifie AGENTS.md : relisez le diff avant de l’utiliser.
openskills syncMode manuel ou autre outil : joignez SKILL.md à une conversation, ou ouvrez-le dans un agent capable de lire les fichiers. Ajoutez les ressources annexes nécessaires. Il n’existe pas de dossier universel reconnu par tous les outils.
4. Faire un premier essai
Utilisez une entrée courte et fictive : un endpoint d’API, un petit document ou un brief d’interface. Dans une nouvelle conversation, joignez le fichier ou donnez son chemin à l’agent, puis adaptez cette demande :
Lis .skill-downloads/web-scraping-and-data-extraction-mma3js0e/SKILL.md et applique ses instructions à cet exemple : [décrire une entrée de test]. Indique les fichiers, dépendances ou accès qui manquent. Produis le résultat demandé par la skill sans inventer de données ni exécuter de script non examiné.Résultat attendu : une sortie correspondant aux instructions de la skill, ou une liste précise des prérequis manquants. Une simple confirmation de lecture ne valide pas le premier usage. Si une ressource externe est indisponible, ce parcours reste à tester.
Créer des cartes interactives avec kepler.gl
Data & IA
Création de cartes interactives et export HTML autonome avec le package Python keplergl, à partir de données géospatiales (DataFrame, GeoJSON, CSV).
Optimisation de paramètres par agent
Data & IA
Guide d'optimisation de systèmes configurables avec objectif mesurable, via des essais bornés et une recommandation fondée sur des preuves.
Relance des visiteurs ICP
Data & IA
Identifiez les utilisateurs inscrits correspondant au profil client idéal mais qui n'ont pas activé, et rédigez des messages de relance personnalisés pour les réengager.