К основному содержанию
скилл

universal-scraping-architect — скилл для Claude Code: установка

Проектирует пайплайны сбора данных через Firecrawl или локальный Python, проверяя структуру JSON перед сохранением. Помогает настроить парсинг без ломких селекторов.

Установить в Claude Code · Через маркетплейс плагинов Все способы и платформы ↓
/plugin marketplace add alirezarezvani/claude-skills
/plugin install universal-scraping-architect@claude-code-skills
Открыть на GitHub

Что делает universal-scraping-architect

Скилл распределяет сбор данных по трём сценариям: API Firecrawl для динамических сайтов, локальный Python для файлов или гибридный конвейер. Перед генерацией кода агент проверяет project-context.md, чтобы сразу определить схему данных и ожидаемый масштаб выгрузки.

В репозиторий входят готовые шаблоны scripts/firecrawl_example.py и scripts/local_bs4_example.py. Оба запускаются офлайн с флагом --sample для предварительного просмотра структуры. Для работы локального режима требуются библиотеки beautifulsoup4 и pandas. Доступ к Firecrawl устроен по принципу BYOK: ключ передаётся только через переменную FIRECRAWL_API_KEY, а захардкоженные токены в коде агент сразу бракует.

Главный барьер пайплайна — скрипт scripts/validate_extraction.py. Он завершается с кодом 0 только при статусе ok, а при пустом результате или битом JSON возвращает ошибку 1, не позволяя отдать невалидные данные.

Какие задачи решает

  • Собрать данные с динамических страниц через Firecrawl с расчётом лимитов
  • Извлечь таблицы из локальных PDF, CSV или статичных HTML-файлов
  • Проверить структуру итогового JSON скриптом валидации перед выдачей
  • Очистить и нормализовать спарсенный датасет с помощью Pandas

Примеры запросов агенту

  • Собери данные со страницы каталога через Firecrawl и проверь JSON валидатором
  • Напиши локальный парсер для таблицы из сохранённого HTML с сохранением в CSV
  • Запусти scripts/local_bs4_example.py с флагом --sample для проверки структуры

Как установить universal-scraping-architect

1Через маркетплейс плагинов

/plugin marketplace add alirezarezvani/claude-skills
/plugin install universal-scraping-architect@claude-code-skills

Команда ставит плагин universal-scraping-architect целиком, со всеми его скиллами

2Через Skills CLI (Vercel)

npx skills add alirezarezvani/claude-skills --skill universal-scraping-architect -a claude-code

3Вручную: положить файлы

~/.claude/skills/universal-scraping-architect/SKILL.md

Папка скилла целиком; для одного проекта — .claude/skills/universal-scraping-architect/

По шагам, с командами для каждой платформы: Как установить скилл в Claude Code: пять способов

Из того же набора394

Весь набор →
agent-memory Разгружает разросшийся CLAUDE.md и переносит правила в четырёхуровневую память. Факты закрепляются только при повторении в разных сессиях. 42установок prompt-governance Помогает выстроить версионирование промптов, настроить пайплайн автоматических эвалов и безопасно выкатывать изменения в продакшен. 40установок roast Скилл собирает совет из пяти субагентов для критики идеи стартапа и выдаёт чёткий вердикт GO, RESHAPE или KILL. 39установок meetings Считает стоимость встречи в долларах, решает, нужна ли она вообще, и собирает план с владельцами задач. 37установок named-persona-adversarial-review Скилл организует код-ревью через задокументированные принципы Линуса Торвальдса, Кена Томпсона, Джона Кармака и Стива Джобса. Пригодится перед мержем PR с правками архитектуры или UX. 35установок design-system Настраивает фирменный стиль и проверяет контрастность по WCAG 2.2 AA для конвертеров markdown-html. Генерирует 12 CSS-токенов перед экспортом документов, слайдов или ревью. 33установок compliance-os Скилл выбирает применимые фреймворки, сопоставляет их контроли и собирает общий план аудита и доказательств. 33установок deep-work Планирует день по методике Cal Newport: блокирует глубокий фокус от 90 минут, объединяет рутину и отсекает перегрузки. 31установок

Похожие

web-scraping Mindrally Скилл задаёт агенту правила парсинга: какие библиотеки брать для статики, динамики и больших обходов, как обходить блокировки и ошибки. CX Codex +1 4 500установок page-monitoring jamditis Отслеживает изменения на веб-страницах, фиксирует удаление контента и помогает настроить мониторинг через Python или сторонние сервисы. CX Codex +1 604установок scrapy-web-scraping Mindrally Скилл для ИИ-агента, который ведёт разработку краулеров на Scrapy: пауки, извлечение данных, пайплайны и настройки продакшена. CX Codex +1 2 000установок firecrawl-monitor firecrawl Следит за изменениями на страницах и в результатах веб-поиска, отправляя уведомления по email или webhook. Нужен для регулярных проверок. CX Codex +1 33 300установок firecrawl-lead-research firecrawl Достаёт должность, компанию и фирмографику по людям и доменам, которые вы уже назвали, и дозаполняет таблицы. Пригодится перед звонком или когда старый список лидов пора проверить. CX Codex +1 31 400установок python-executor 101-skills Скилл запускает код на Python 3.10 в изолированной песочнице inference.sh. Пригодится, когда агенту нужно обработать данные, спарсить сайт или отрендерить график без рисков для системы. CX Codex +1 109 700установок

Рядом в теме «Браузер и парсинг»

Все скиллы по теме «Браузер и парсинг» →

Вопросы о universal-scraping-architect

Как установить universal-scraping-architect в Claude Code?

Выполните в терминале агента команду добавления каталога /plugin marketplace add alirezarezvani/claude-skills, а затем установите сам скилл: /plugin install universal-scraping-architect@claude-code-skills.

Что делает скилл universal-scraping-architect?

Он помогает проектировать архитектуру парсинга, выбирая между Firecrawl и локальным Python с BeautifulSoup. Скилл отслеживает квоты API, валидирует полученный JSON и предупреждает об утечках приватных данных.

Какие зависимости нужны для скриптов из скилла?

Валидатор scripts/validate_extraction.py работает на стандартной библиотеке Python. Для scripts/firecrawl_example.py нужны пакеты firecrawl и requests с ключом в FIRECRAWL_API_KEY, а для scripts/local_bs4_example.py требуются beautifulsoup4 и pandas.

Исходный текст

SKILL.md · MIT
---
name: "universal-scraping-architect"
description: "Use for web scraping, crawling, document extraction, API parsing, or building validation-heavy data pipelines using Firecrawl or local Python scripts."
---

# Universal Scraping Architect

Design complete, robust data-extraction pipelines with intelligent routing, validation, and token-budget tracking — not brittle one-off scripts.

**Dependency Notice:** BYOK (Bring Your Own Key) pattern for Firecrawl; API keys must only be loaded via environment variables. Per-script dependencies:

| Script | Dependencies | Exact CLI |
|---|---|---|
| `scripts/validate_extraction.py` | stdlib only | `python3 scripts/validate_extraction.py output.json --json` |
| `scripts/firecrawl_example.py` | `firecrawl`, `requests` (template; `--sample` runs offline) | `python3 scripts/firecrawl_example.py --sample` |
| `scripts/local_bs4_example.py` | `beautifulsoup4`, `pandas` (template; `--sample` runs offline) | `python3 scripts/local_bs4_example.py --sample` |

## Before Starting
**Check for context first:**
If `project-context.md` exists, read it before asking questions. Determine the target data format, scale of extraction, and deployment environment before writing any code.

## How This Skill Works

This skill supports 3 extraction modes based on intelligent routing:

### Mode 1: API-Driven (Firecrawl)
Use when the source is a public URL, heavily dynamic (JS/SPA), requires search-first discovery, or involves bulk crawling across a domain.
### Mode 2: Local Python (Traditional)
Use when extracting from local files (PDF, Excel, CSV), the data is private/sensitive, or the target is a simple static HTML page where Firecrawl is overkill.
### Mode 3: Hybrid Pipeline
Use when Firecrawl handles URL discovery/web extraction, but local Python (Pandas) is required to clean, normalize, and structure the output before saving.

## The Extraction Pipeline

When executing a scraping task, always follow this sequence:
1. **Route the Approach:** Explicitly state whether Firecrawl or Local Python is being used and why.
2. **Track Budgets:** Estimate Firecrawl API quotas or LLM token context limits before executing large jobs. 
3. **Extract Safely:** Implement checkpointing for multi-page jobs. Handle pagination and dynamic layouts gracefully. Start from the editable runner templates — `scripts/firecrawl_example.py` (Mode 1) or `scripts/local_bs4_example.py` (Mode 2); run each with `--sample` first to see the expected summary shape without network access.
4. **Validate & Clean:** Run `python3 scripts/validate_extraction.py extracted_output.json --json` on every extraction result before delivering it. It exits 0 only on `{"status": "ok"}`; `warning` (empty output) or `error` (malformed JSON) exit 1 — fix and re-extract, never ship unvalidated data. Beyond this structural gate, also check required fields and duplicates against the pipeline spec before delivering.
5. **Format:** Default to CSV for tabular data, JSON for nested structures, and Markdown for clean text.

## Proactive Triggers

Surface these issues WITHOUT being asked when you notice them in context:
- **Hardcoded API Keys** → Flag immediately and rewrite to use `os.getenv('FIRECRAWL_API_KEY')`.
- **Private Data Leakage** → If the user asks to send local, sensitive files to an external API, flag the privacy risk and suggest Mode 2 (Local Python).
- **Missing Pagination** → If the target implies hundreds of records but no pagination logic is requested, flag it and add checkpointing.

## Output Artifacts

| When you ask for... | You get... |
|---------------------|------------|
| "Scrape this site" | A fully validated Python extraction script with routing logic and error handling. |
| "Get data from this table" | A clean CSV/JSON dataset with a summary log of row counts and empty values. |
| "Crawl these docs" | A Markdown deliverable chunked for LLM token limits. |

## Anti-Patterns
- **Brittle Selectors:** Never use highly nested CSS selectors (e.g., `div > span > ul > li:nth-child(3)`). Use data attributes or robust structural anchors.
- **Ignoring Etiquette:** Never scrape without checking `robots.txt` or implementing sensible rate limits.
- **No Validation:** Never blindly write scraped data to a file without checking if the array is empty or missing critical keys.

## Related Skills
- **data-cleaning**: Use when the scraped data requires complex statistical normalization or deduplication.
- **browser-automation**: Use for highly interactive scraping requiring user emulation (clicks, logins) where Firecrawl is insufficient.

© Mehansh Barthwal · MIT · alirezarezvani/claude-skills

Смотрите также

Спонсоры проекта

Компании, которые помогают держать аналитику открытой