开源AI网络爬虫工具：Crawl4AI

可以直接用于大语言模型和AI应用。性能快，还能输出适合大语言模型的格式，比如JSON、清理过的HTML和markdown。它还支持同时爬取多个网址，能提取所有媒体标签（图片、音频、视频），以及所有内外部链接。可以自定义用户代理，还能给网页截图，甚至在爬取之前执行自定义JavaScript。

Github：https://github.com/unclecode/crawl4ai

官方文档：https://crawl4ai.com/mkdocs/