Agent Skills
返回列表
批量网页信息提取器

批量网页信息提取器

数据分析 更新于 2026.08.29

将以下提示词粘贴到你的 AI 对话框中:

请根据 https://skillhub.cn/install/skillhub.md,安装 @user_029a8f8d/web-batch-extractor。

技能介绍

批量网页提取为什么需要专门处理

当你手上有几十条 URL,想统一提取商品价格、职位描述或公司电话时,逐个打开网页手动复制,很容易出错,也难以保证每条记录的字段口径一致。更常见的是清单本身就躺在 Excel 里:纯复制粘贴既低效,还会弄丢备注、分类等参考列。

核心能力与关键步骤

确认提取字段:先整理目标字段清单;若用户未明确,会列出常见场景的建议字段(电商的价格、销量与评价数,新闻的发布时间与作者,招聘的薪资与地点等)供确认。

两种 URL 来源:

  • 直接粘贴 URL 列表,每行一条,解析后校验格式并回显清单;
  • 上传 Excel,用 pandas/openpyxl 读取,自动识别包含「链接」「URL」「网址」「link」等关键词的列,附带的备注列也会在结果中保留。

逐页提取:对每个 URL 调用 WebFetch 并传入明确的字段指令;定位策略按优先级为语义匹配、正则模式匹配(价格、日期、电话、邮箱等)、列表/表格的原生结构遍历。

结构化输出:先给汇总表(URL、字段数、成功/失败数、平均置信度),再按 URL 分块给出字段值、原文证据与置信度,最后附缺失字段清单;可在对话内渲染 Markdown,或导出多 sheet 的 Excel、UTF-8 with BOM 的 CSV。

诚信约束:找不到的字段如实记为未找到,禁止猜测;每个值需附带原文摘录作为依据;匹配模糊时降低置信度并提醒人工核对。收尾会汇总成功率与失败原因,并询问是否把本次字段清单固化为模板。

适用边界

  • 仅 1-2 个 URL 的提取应交给 web-info-extractor,两者共享同一套输出规范。
  • 不处理网页翻译/摘要、截图对比、表单填写等自动化任务。
  • WebFetch 只能拿到静态 HTML:动态渲染的 SPA 页面可能抓取不全,需用户提供页面源码。
  • 对反爬或强交互站点,成功率取决于页面静态内容的可得性。

使用场景

  • 竞品比价:粘贴多个电商平台商品链接,统一提取名称、价格、销量、评价数,导出Excel分析定价差异
  • 企业联系人建库:导入一批公司官网URL,批量提取公司名、地址、电话、邮箱,整理成外联名单
  • 招聘信息汇总:上传多条招聘页链接,提取职位名、薪资、工作地点、任职要求,生成表格供筛选
  • 行业动态监测:给出一批新闻或文章链接,批量提取标题、发布时间、作者、摘要,归档为信息简报

适合人员

  • 电商选品分析师,需要定期汇总多个平台同类商品的价格与销量数据做竞品对比
  • 市场拓展销售,要为陌生拜访批量收集企业公开联系方式并建立外联清单
  • 招聘顾问或HR,需要从多个招聘网站整理职位详情,快速筛出符合客户或候选人需求的岗位
  • 行业研究员,定期从一批新闻和行业站点提取文章元数据,归档成可检索的资料库