跳转到主要内容
使用 InsForge Web Scraper 让您的编码代理实时访问外部数据:只需连接一次您自己的 Apify 账户,您的代理就可以按需运行爬虫(Apify 称之为 actor),同时仪表盘会显示您的 actor、运行历史和爬取到的数据集,无需离开 InsForge。 一键连接 Apify,然后将爬取提示粘贴到您的编码代理中。代理使用您由 InsForge 托管的 Apify 令牌进行身份验证,为任务挑选合适的 actor,并返回结果。
InsForge Web Scraper 仪表盘显示 Actors 标签页,其中包含已连接的 Apify actor、它们的最近运行时间和运行次数
Apify 始终是 actor、运行记录和数据集的权威来源。InsForge 展示了用于日常检查的一个精简子集,对于超出该范围的内容,会深链到 Apify 控制台。Web Scraper 集成仅在 InsForge Cloud 上可用;自托管部署在这些路由上会返回 501 Not Implemented

功能

一键连接 Apify

在仪表盘中的 Web Scraper 页面连接 Apify。InsForge 会引导您完成 Apify OAuth 流程,在服务端存储凭证,并为您持续刷新访问令牌。原始令牌永远不会出现在您的代码仓库或前端中;代理和函数在需要时会从后端获取一个实时令牌。

通过您的编码代理进行爬取

连接完成后,空状态界面会提供一段爬取提示,您可以将其粘贴到您的编码代理中:
在该提示背后,npx @insforge/cli webscraper apify login 会获取您由 InsForge 托管的 Apify 令牌,以无头方式(无需浏览器 OAuth)对本地 Apify CLI 进行身份验证,并安装 Apify 代理技能。此后,代理会从 Apify Store 中挑选一个 actor,启动运行,并读回结果。

Actors

您最近使用过或创建的 actor,包含其最近运行时间和总运行次数。每一行都会深链到 Apify 控制台,以进行完整的 actor 配置。

Runs

最近的爬虫执行记录,包含状态(成功、失败、运行中)、开始时间以及以美元计的费用。无需打开 Apify,即可快速核实”昨晚的爬取任务是否成功执行,花费了多少”。

Dataset

由您的运行产生的数据集,包含条目数量、创建时间以及产生该数据集的 actor。深链到 Apify 存储,您可以在其中查看或导出条目。

将爬取到的数据存入您的数据库

爬取结果默认存放在 Apify 数据集中;除非您需要,否则不会写入您项目的 Postgres 数据库。对于小规模爬取,您的代理可以直接返回结果。对于任何您想要保留或按计划刷新的内容,可以让代理部署一个边缘函数计算服务,从 Apify 获取数据集并将行数据插入或更新到表中。

设置与断开连接

Web Scraper 配置对话框(侧边栏中的齿轮图标)显示已连接的 Apify 账户、套餐和数据保留策略,链接到 Apify 控制台,并允许管理员断开连接。断开连接只会阻止 InsForge 使用您的 Apify 凭证;您的 Apify 账户、actor 和数据集将保持完整,您随时可以重新连接。

概念

Apify actor

每次运行背后的无服务器爬虫,从现成的 Store actor 到您自己的 actor 皆可。

Apify 存储

数据集如何存储爬取的条目,以及如何通过 API 导出或获取它们。

基于此构建

InsForge CLI

npx @insforge/cli webscraper apify connect 将您的项目关联到 Apify,然后登录您的本地代理。

Apify Store

数以千计针对常见目标的现成 actor,从 Google Maps 到社交平台应有尽有。

Apify API 客户端

从您的边缘函数或计算服务中调用 actor 并读取数据集。

下一步

  • 打开仪表盘中的 Web Scraper 页面,点击 Connect Apify
  • 将爬取提示粘贴到您的编码代理中,并告诉它您想要爬取的内容。
  • 当某次爬取值得保留时,让您的代理通过边缘函数计划任务将数据集存入表中。