# 从网页提取结构化数据：按选择器、查询与Agent选工具

页面：https://maomu.com/discover/structured-web-data-extraction

比较Apify、ScrapeGraphAI和AgentQL如何提取网页字段，区分任务运行、Schema与语义查询，并给出可追溯记录要求。

编辑：猫目编辑部
内容更新：2026-11-11
资料核验：2026-11-11

## 先看怎么选

需要重复运行、调度和存储采集任务，可看Apify；希望用自然语言字段与JSON Schema定义结果，可看ScrapeGraphAI；希望语义查询与浏览器操作结合，可看AgentQL。按维护控制层选择。

从网页拿到一组商品名、规格和价格，需要决定哪些页面要处理、字段怎样定义、结果怎样回到程序。Apify、ScrapeGraphAI和AgentQL都能参与结构化提取，但它们把控制点放在不同位置：可运行的采集任务、提示词与Schema、语义查询。

## 从输出字段倒推工具

下面是一份自拟的商品记录要求，不是采集结果：

| 字段 | 要保留的内容 |
| --- | --- |
| name | 页面上的完整商品名称 |
| specification | 对应变体的规格，缺失时留空 |
| price_text | 原始价格文字，包含币种或区间 |
| source_url | 这条记录来自哪个页面 |

保留原始价格文字，可以避免把“起价”或价格区间误当单一数值。数据进入业务后，再按明确规则做标准化。

## 已有采集任务，需要运行和调度

Apify围绕Actor组织采集与自动化。可以运行已有Actor，也可开发自己的任务，将输入、运行、结果存储和调度接到平台。它适合需要稳定重复执行或复用成熟采集程序的团队。[Actor说明](https://docs.apify.com/actors)与[平台文档](https://docs.apify.com/)展示了这个控制层。Actor中的具体提取能力由所选程序决定，平台普通调度和存储不应全部算作AI独有能力。

## 希望用字段描述提取

ScrapeGraphAI的Extract接收URL、HTML或Markdown，通过提示词并可配JSON Schema返回结构化数据。它适合页面结构有变化、希望用字段语义表达需求的情况。[Extract文档](https://docs.scrapegraphai.com/services/extract)还区分抓取与提取设置。Schema能约束输出形状，不能自动证明某个价格属于正确商品变体。

AgentQL则用语义查询描述所需数据和元素，提供SDK与REST路径。需要将字段查询和浏览器操作接在一起的开发者，可以用它表达“要什么”，减少只依赖脆弱选择器的代码。[查询说明](https://docs.agentql.com/agentql-query/query-intro)与[REST采集指南](https://docs.agentql.com/scraping/scraping-data-api)对应两种接入方式。

## 结果要能回到原页面

如果任务要定期采集同一批页面，Apify的运行与调度更值得研究；希望用提示和Schema快速定义输出，研究ScrapeGraphAI；希望语义查询与浏览器脚本结合，研究AgentQL。三者可以处理相同字段，但团队维护的是不同层的配置与代码。

提取完成后，至少保留来源、采集时间和缺失状态。规格错配、分页遗漏和重复商品属于业务数据问题，应在结果中可定位。这样一次抓取才会变成可持续使用的数据入口。

## 工具推荐与取舍

### Apify

Apify以Actor包装采集和自动化代码，提供运行、存储、调度与集成。适合复用现成采集任务或部署自己的程序，让一次提取成为可重复运行的流程。

适合谁用：需要维护定期采集与结果交付的开发团队。

选择前要知道：提取逻辑取决于具体Actor；普通运行、调度与存储能力不等于全部由AI完成。

交付与边界：运行、调度及存储

产品资料：https://maomu.com/p/www-apify-com
官网：https://www.apify.com

### ScrapeGraphAI

ScrapeGraphAI Extract接收URL、HTML或Markdown，用提示和可选JSON Schema组织提取结果。适合直接描述业务字段，减少对固定页面选择器的依赖。

适合谁用：希望以字段语义和Schema快速定义数据输出的团队。

选择前要知道：结构化输出仍要检查字段归属；抓取、动态渲染与语义提取是不同步骤。

交付与边界：结构化JSON提取

产品资料：https://maomu.com/p/scrapegraphai-com
官网：https://scrapegraphai.com

### AgentQL

AgentQL用语义查询描述数据和页面元素，提供SDK及REST接口。适合把字段提取与现有浏览器脚本连接起来，以查询表达需求并继续页面操作。

适合谁用：需要语义字段查询与浏览器动作配合的开发者。

选择前要知道：页面范围、分页与模糊字段仍需定义；语义查询不能替代业务验收。

交付与边界：数据与页面元素联动

产品资料：https://maomu.com/p/agentql-com
官网：https://agentql.com

## 推荐依据

依据各产品官方文档与公开功能说明，按本篇任务的接入方式、交付产物和使用边界筛选。选择建议为编辑分析；示例另行标注，不构成性能实测或全面排名。

官方资料研究与编辑选用分析；未经运行的示例不标为实测。封面为编辑示意图。

## 参考资料

- Apify Actors：https://docs.apify.com/actors
- ScrapeGraphAI Extract：https://docs.scrapegraphai.com/services/extract
- AgentQL查询语言：https://docs.agentql.com/agentql-query/query-intro
- Apify平台：https://docs.apify.com/
- AgentQL REST采集：https://docs.agentql.com/scraping/scraping-data-api
