Scraping MCP Server

Web抓取MCP服务器

Web刻划页面MCP服务器。正常HTML页面和JavaScript/SPA/React同时支持站点。

机能

📄 fetch_page_content

正常HTML从页面获取内容。又快又轻。

特徴:

• 简单的HTTP请求
• BeautifulSoup根据HTML分析
• 自动排除页眉、页脚和导航
• 自动检测主内容

使用例:

「https://example.com/article のページ内容を取得して」

🎭 fetch_page_content_与剧作家合作

JavaScript/SPA/React从站点获取内容。对应于动态渲染的页面。

特徴:

• Playwright使用实际浏览器渲染
• JavaScript执行后的内容获取
• Shadow DOM対応
• 自动处理隐私同意对话框
• 自动提取邮件和电话号码

使用例:

「https://example.com/spa-page のページ内容をPlaywrightで取得して」

🗺️ extract_site_links

从官方网站header/footer/nav的链接，并创建虚拟站点地图。

特徴:

• 从页眉、页脚和导航中提取链接
• 自动删除重复阵列
• 自动获取每页标题（h2/h3）
• 仅适用于同一域中的链接

使用例:

「https://example.com のサイト構造を教えて」

🗺️ 提取器_网站链接_带剧作家

JavaScript/SPA/React从站点动态提取链接。

使用例:

「https://example.com のサイトマップをPlaywrightで取得して」

安装

🚀 1命令安装（推荐）

⚠️ 重要: Windows用户一定PowerShell来修改标记元素的显示属性。curl命令是Windows中描述的场景，使用以下步骤创建明细表，以便在概念设计中分析体量的体积。

macOS/Linux

curl -fsSL https://raw.githubusercontent.com/Readify-App/scraping-mcp-server/main/install.sh | bash

Windows（PowerShell）

PowerShell的双曲正切值请执行以下命令：

irm https://raw.githubusercontent.com/Readify-App/scraping-mcp-server/main/install.ps1 | iex

注意: - Windows那么curl命令不可用。上述的PowerShell命令（irm），模板名称将采用不同的格式。 - irm啊PowerShell 3.0以后可用（Windows8以后标准可用）。 - 如果irm如果无法使用，请使用以下替代命令： ``powershell Invoke-WebRequest -Uri https://raw.githubusercontent.com/Readify-App/scraping-mcp-server/main/install.ps1 -UseBasicParsing | Invoke-Expression ``

安装后Claude Desktop重新启动来修改标记元素的显示属性。

🔧 手动安装

手動インストール手順を表示

1.克隆存储库

git clone https://github.com/Readify-App/scraping-mcp-server.git
cd scraping-mcp-server

2. uv安装依赖关系

uv sync

3. Playwright安装浏览器

uv run playwright install chromium

4. Claude Desktop编辑配置文件

macOS：

nano ~/Library/Application\ Support/Claude/claude_desktop_config.json

Linux：

nano ~/.config/claude-desktop/claude_desktop_config.json

窗户：

notepad %APPDATA%\Claude\claude_desktop_config.json

添加以下内容（/path/to/scraping-mcp-server替换为实际路径）：

{
  "mcpServers": {
    "scraping-mcp-server": {
      "command": "uv",
      "args": [
        "--directory",
        "/path/to/scraping-mcp-server",
        "run",
        "scraping-mcp-server"
      ]
    }
  }
}

5. Claude Desktop重新启动

用法

Claude Desktop请提问：

📄 正常HTML获取页面

「https://example.com/article のページ内容を取得して」

🎭 JavaScript/SPA获取页面

「https://example.com/spa-page のページ内容をPlaywrightで取得して」

🗺️ 分析站点结构

「https://example.com のサイト構造を教えて」

工具选择指南

工具｜用途｜例｜ |--------|------|-----| | fetch_page_content 安静的HTML页面｜博客文章、新闻网站、Wikipedia按钮关闭对话框 | fetch_page_content_与剧作家合作 动态页面React/Vue/Angular制的SPA、具有验证对话框的页面 | extract_site_links ｜静态网站结构分析｜企业网站、官方网站导航｜ | 提取器_网站链接_带剧作家 动态站点结构分析SPA导航，动态菜单

故障排除

❌ Playwright挂怀

# ブラウザを再インストール
uv run playwright install --force chromium

# システムの依存関係を確認（Linux）
uv run playwright install-deps

📝 检查日志

# インストールディレクトリで
tail -f debug.log

🔄 重置设置

请重新运行安装脚本：

⚠️ 重要: Windows用户一定PowerShell来修改标记元素的显示属性。

macOS/Linux：

curl -fsSL https://raw.githubusercontent.com/Readify-App/scraping-mcp-server/main/install.sh | bash

Windows（PowerShell）：

irm https://raw.githubusercontent.com/Readify-App/scraping-mcp-server/main/install.ps1 | iex

制限事项

• ⚠️ PDF不支持文件
• ⚠️ 不支持需要登录的页面
• ⚠️ 同时刻划多页有限制（最多5个浏览器）

许可证

麻省理工学院

开发人员信息

文件配置

scraping-mcp-server/
├── .gitignore           # 固定（ログファイル除外）
├── pyproject.toml       # 固定（パッケージ設定）
├── server.py            # ツール定義（メインロジック）
├── main.py              # 固定（エントリーポイント）
├── install.sh           # macOS/Linux自動インストーラー
├── install.ps1          # Windows自動インストーラー
└── uv.lock              # 自動生成

本地开发

# 依存関係のインストール
uv sync

# サーバーをテスト実行
uv run scraping-mcp-server

# Playwrightブラウザのインストール
uv run playwright install chromium