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.
/plugin marketplace add alirezarezvani/claude-skills
/plugin install universal-scraping-architect@claude-code-skillsЧто 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-skillsКоманда 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-code3Вручную: положить файлы
~/.claude/skills/universal-scraping-architect/SKILL.mdПапка скилла целиком; для одного проекта — .claude/skills/universal-scraping-architect/
Вручную: положить файлы
.agents/skills/universal-scraping-architect/SKILL.mdДля всех проектов — ~/.agents/skills/
Вручную: положить файлы
.cursor/skills/universal-scraping-architect/SKILL.mdCursor читает и .agents/skills/, и .claude/skills/
1GitHub CLI
gh skill install alirezarezvani/claude-skills universal-scraping-architect2Вручную: положить файлы
.github/skills/universal-scraping-architect/SKILL.mdКомандой платформы
gemini skills install https://github.com/alirezarezvani/claude-skills --path engineering/universal-scraping-architect/skills/universal-scraping-architectВручную: положить файлы
.devin/skills/universal-scraping-architect/SKILL.mdСтарый путь .windsurf/skills/ тоже читается
Claude.ai
Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills
По шагам, с командами для каждой платформы: Как установить скилл в Claude Code: пять способов
Из того же набора394
Весь набор →Похожие
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