Scrapling: ένα εργαλείο για να διαβάζεις τις ιστοσελίδες σαν δεδομένα
Το Scrapling είναι ένα δωρεάν εργαλείο για Python που κατεβάζει ιστοσελίδες και τραβά από μέσα τους ό,τι θέλεις — κείμενο, συνδέσμους, πίνακες — είτε με ένα απλό αίτημα, είτε με πραγματικό περιηγητή όταν η σελίδα αντιστέκεται. Δουλεύει με τον ίδιο τρόπο από κώδικα, από το τερματικό, και ως εργαλείο για ψηφιακούς βοηθούς.

Δύο λέξεις πρώτα
Αν έχεις μια ιστοσελίδα και θέλεις να τη διαβάσεις σαν δεδομένα και όχι σαν εικόνα, αυτό είναι το πεδίο του Scrapling. Παίρνει μια σελίδα και τη μετατρέπει σε πράγματα που μπορείς να ψάξεις, να φιλτράρεις και να αποθηκεύσεις.
Το Scrapling είναι πλαίσιο συλλογής δεδομένων από ιστοσελίδες. Δεν μένει μόνο στο απλό κατέβασμα HTML. Δίνει και browser-based ροές όταν η σελίδα θέλει JavaScript, και δίνει και terminal commands όταν δεν θέλεις να γράψεις πρόγραμμα για κάθε μικρή δουλειά. Το ίδιο πακέτο καλύπτει στατική σελίδα, δυναμική σελίδα και AI-assisted χρήση. Η τεκμηρίωση το περιγράφει ως ένα εργαλείο για «fast HTTP requests, stealth browsers, powerful parsing, and concurrent crawling» πηγή. Η έκδοση 0.5.1 είναι η τρέχουσα σταθερή έκδοση που βλέπουμε στο PyPI και στη σελίδα του αποθετηρίου PyPI GitHub.
Τι κάνει
Για τον αρχάριο, το κέρδος είναι απλό: γράφεις λιγότερο κώδικα για να πάρεις καθαρότερο αποτέλεσμα. Για τον έμπειρο, το ενδιαφέρον είναι ότι η ίδια βιβλιοθήκη έχει αρκετά διαφορετικούς δρόμους πρόσβασης χωρίς να σε κλειδώνει σε έναν μόνο.
Στην πράξη, το Scrapling κάνει πέντε πράγματα καλά. Πρώτον, κάνει γρήγορα HTTP fetches για απλές σελίδες docs. Δεύτερον, ανοίγει stealthy browser flow όταν η σελίδα χρειάζεται πραγματικό περιηγητή ή προστασία όπως Cloudflare Turnstile / Interstitials docs. Τρίτον, δίνει selectors με CSS και XPath για να τραβήξεις μόνο το κομμάτι που σε νοιάζει docs. Τέταρτον, έχει terminal extraction για γρήγορη εξαγωγή σε αρχεία docs. Πέμπτον, έχει MCP server και shell για AI use cases και για δουλειά από περιβάλλοντα όπως Claude, Cursor ή το δικό σου script runner docs.
Η πιο χρήσιμη λεπτομέρεια είναι ότι δεν σε αναγκάζει να διαλέξεις μία στάση ζωής. Μπορείς να το χρησιμοποιήσεις σαν βιβλιοθήκη μέσα σε κώδικα, σαν CLI από το τερματικό, ή σαν server που μιλάει με άλλα εργαλεία. Αυτή η ευελιξία είναι και το δυνατό σημείο του και το βάρος του.
Τι δεν κάνει
Δεν είναι μαγικό κουμπί. Δεν υπόσχεται ότι θα νικήσει κάθε anti-bot μηχανισμό. Το changelog μιλά για βελτιώσεις σε Cloudflare handling και browser sessions, όχι για απόλυτη υπέρβαση των άμυνων changelog. Άρα, όταν μια σελίδα σε κόβει, χρειάζεσαι ακόμη δικό σου σκεπτικό, καθαρό testing και συχνά proxy ή browser tuning.
Δεν είναι επίσης το πιο μικρό πακέτο του κόσμου. Με τα extras τραβά αρκετές εξαρτήσεις, όπως browser tooling και fetchers. Αυτό σημαίνει ότι πληρώνεις σε βάρος για την άνεση PyPI. Και δεν σε γλιτώνει από το να ξέρεις CSS ή XPath. Αν δεν ξέρεις τι θες να πιάσεις, το εργαλείο δεν θα το μαντέψει για σένα.
Εγκατάσταση
Για κάποιον που θέλει να ξεκινήσει απλά, η βασική εγκατάσταση είναι μικρή. Για κάποιον που θέλει browser fetching ή CLI, θέλει τα σωστά extras από την αρχή.
Από τον φάκελο του έργου ή από ένα καθαρό environment:
pip install scrapling
Αν θέλεις και fetchers, το ίδιο οικοσύστημα το λέει καθαρά ότι χρειάζεσαι το extra για fetchers docs:
pip install "scrapling[fetchers]"
Για terminal shell και interactive χρήση:
pip install "scrapling[shell]"
Η τεκμηρίωση και το changelog δείχνουν ότι η βασική έκδοση απαιτεί Python 3.10 ή νεότερη PyPI keelbench.
Χρήση σε Python
Για τον πρακτικό άνθρωπο, αυτή είναι η πιο καθαρή μορφή χρήσης. Για τον αρχάριο, μοιάζει με «πάρε σελίδα, τράβα δεδομένα, τέλος».
from scrapling.fetchers import Fetcher
page = Fetcher.get('https://quotes.toscrape.com/')
quotes = page.css('.quote .text::text').getall()
print(quotes)
Αυτό το μοτίβο είναι το πιο απλό: ένα request, selectors, αποτέλεσμα. Η τεκμηρίωση δείχνει παρόμοια παραδείγματα για CSS επιλογή, XPath επιλογή και καθαρό text extraction docs GitHub.
Αν θέλεις browser session αντί για one-off fetch, το ίδιο πακέτο δίνει και session object:
from scrapling.fetchers import StealthySession
with StealthySession(headless=True, solve_cloudflare=True) as session:
page = session.fetch('https://nopecha.com/demo/cloudflare', google_search=False)
data = page.css('a').getall()
Η αξία εδώ είναι ότι η βιβλιοθήκη δεν σε πετάει έξω από το ίδιο νοητικό μοντέλο. Μένεις μέσα στο ίδιο API, αλλά αλλάζεις τρόπο εκτέλεσης ανάλογα με το πόσο πεισματάρα είναι η σελίδα docs.
CSS, XPath, και στοχευμένη εξαγωγή
Αυτό είναι το σημείο που το Scrapling γίνεται χρήσιμο στην καθημερινή δουλειά. Αν ξέρεις πού βρίσκεται το δεδομένο, δεν χρειάζεται να τραβήξεις όλη τη σελίδα.
page.css('#trap h1::text').get()
page.xpath('//span[@class="text"]/text()').getall()
Η τεκμηρίωση καλύπτει CSS, XPath, text search και regex search docs. Αυτό σημαίνει ότι μπορείς να χτίσεις ροές που είναι πιο σταθερές από το να διαβάζεις ολόκληρο το HTML κάθε φορά. Για εμένα, αυτό είναι και το πιο τίμιο μέρος του εργαλείου: σου δίνει ακρίβεια, αλλά ζητά να ξέρεις τι ψάχνεις.
Από το τερματικό
Εδώ μπαίνει το κομμάτι που κάνει τη βιβλιοθήκη χρήσιμη και σε ανθρώπους που δεν θέλουν πάντα να γράφουν Python. Το Scrapling έχει CLI για γρήγορη εξαγωγή docs.
scrapling extract get https://codecity.gr out.txt
scrapling extract get https://quotes.toscrape.com/ quotes.md --css-selector '.quote'
scrapling extract fetch https://quotes.toscrape.com/js/ quotes.md --wait-selector '.quote' --no-headless
Το πρώτο είναι απλό κατέβασμα. Το δεύτερο κρατά μόνο ένα κομμάτι της σελίδας. Το τρίτο δείχνει browser-based ροή για δυναμικό περιεχόμενο docs. Στο changelog φαίνεται καθαρά ότι το CLI είναι σχεδιασμένο ως πραγματικό κομμάτι της εμπειρίας και όχι σαν δευτερεύων μηχανισμός changelog.
Για σελίδες που θέλουν browser
Αυτό είναι το μέρος όπου καταλαβαίνεις γιατί υπάρχει το Scrapling. Μια σελίδα που φορτώνει data μετά το πρώτο HTML δεν θέλει μόνο request. Θέλει browser state, περιμένει JS, και μερικές φορές θέλει πιο προσεκτικό χειρισμό docs.
from scrapling.fetchers import StealthyFetcher
page = StealthyFetcher.fetch('https://nopecha.com/demo/cloudflare', solve_cloudflare=True)
Αυτό δεν είναι «σπρώξε και θα γίνει». Είναι browser fetch με έμφαση στο stealthy flow και στο handling δύσκολων σελίδων docs. Για την έκδοση 0.5.1, το changelog αναφέρει και νέες remote browser sessions με RemoteSession / AsyncRemoteSession για σύνδεση σε ήδη ανοιχτό Chromium μέσω CDP changelog. Αυτό είναι χρήσιμο όταν δεν θες να ανοίγεις πάντα νέο browser από την αρχή.
MCP, shell, και LLM χρήση
Αν το δεις από τη σκοπιά ενός LLM client, το Scrapling έχει λόγο ύπαρξης πέρα από το Python API. Το documentation μιλά για MCP server, shell και agent-oriented χρήση docs.
Το σημαίνει αυτό πρακτικά: μπορείς να του δώσεις εργασία από εργαλεία που μιλούν MCP και να το χρησιμοποιήσεις ως scraper backend για έναν assistant. Δεν είναι απλώς «άλλη μία βιβλιοθήκη». Είναι και ένα εργαλείο που ξέρει να δώσει στα AI workflows page extraction, browser actions και saved login state docs.
Claude Code
Στο Claude Code, η πιο καθαρή λογική είναι να δουλέψεις με το Scrapling ως εξωτερικό εργαλείο που το LLM καλεί μέσω shell ή MCP. Αν το χρησιμοποιείς σαν MCP server, ακολούθησε τις οδηγίες της τεκμηρίωσης για το ai/mcp-server κομμάτι docs.
pip install "scrapling[ai]"
scrapling mcp
Αν το workflow σου είναι σε κονσόλα, το δεύτερο βήμα είναι να το συνδέσεις ως διαθέσιμο backend στο Claude Code. Η λογική χρήσης είναι: ο assistant ζητά σελίδα, το Scrapling επιστρέφει καθαρή εξαγωγή ή browser result docs. Αυτό μειώνει το πόση custom glue γράφεις μόνος σου.
Codex CLI
Στο Codex CLI, ο δρόμος είναι παρόμοιος αλλά πιο «εργαλειακός». Αν θέλεις γρήγορη εξαγωγή, τρέχεις το CLI. Αν θέλεις ολοκληρωμένη πρόσβαση σε σελίδες, βάζεις MCP και αφήνεις το CLI να μιλήσει με τον server docs.
scrapling extract get https://example.com page.txt
scrapling extract fetch https://example.com page.md --css-selector 'main'
Η ουσία εδώ είναι ότι το Codex CLI δεν χρειάζεται να ξέρει Scrapling internals. Χρειάζεται μόνο το σωστό command και το σωστό output path. Αυτό κάνει το εργαλείο εύκολο να μπει σε pipelines και scripts χωρίς επιπλέον wrapper κώδικα docs.
Cursor
Στο Cursor, το πιο φυσικό μοτίβο είναι να του δώσεις το Scrapling ως command or MCP tool, ανάλογα με το πώς έχεις στήσει το workspace. Το documentation του Scrapling αναφέρει ρητά ότι δουλεύει με AI chatbots and agents, και αναφέρει το Claude/Cursor ως παραδείγματα docs.
scrapling shell
Αυτό είναι χρήσιμο όταν θέλεις γρήγορο interactive scraping χωρίς να ανοίγεις νέο project flow. Για πιο σταθερή χρήση σε Cursor, το πιο σωστό σχήμα είναι να κρατήσεις τα extraction commands απλά και να αφήσεις το Cursor να γράψει γύρω τους τον υπόλοιπο κώδικα. Δεν χρειάζεται να μετατρέψεις το Scrapling σε framework πάνω στο framework του editor.
Τι κοστίζει
Εδώ μετράμε τρία πράγματα: χώρο, χρόνο του μοντέλου και χρήμα. Χώρος: η βασική εγκατάσταση (μόνο ο πυρήνας ανάλυσης) πιάνει περίπου 14 MB σε καθαρό φάκελο. Μόλις προσθέσεις το extra fetchers, το ίδιο περιβάλλον φτάνει τα 246 MB, γιατί μαζί έρχονται ο περιηγητής (playwright, patchright), το curl_cffi και το browserforge. Δηλαδή η διαφορά ανάμεσα σε «διαβάζω μια απλή σελίδα» και «μπαίνω σε σελίδα με JavaScript» κοστίζει περίπου 230 MB δίσκου.
Μνήμη του μοντέλου: επειδή το Scrapling δεν είναι διακομιστής MCP στην πρώτη του μορφή, δεν φορτώνει μόνιμα σχήματα εργαλείων στο πλαίσιο. Όταν το τρέχεις από τη γραμμή εντολών ή από βιβλιοθήκη, το κόστος σε tokens είναι όσο το αίτημα που του δίνεις — τίποτα σταθερό. Μόνο αν το σηκώσεις ως διακομιστή MCP (extra ai) πληρώνεις τον φόρο πλαισίου των εργαλείων του.
Χρήμα: το εργαλείο είναι δωρεάν και ανοιχτού κώδικα (BSD-3-Clause) — δεν πληρώνεις άδεια ούτε συνδρομή. Το πραγματικό κόστος είναι έμμεσο: ο χρόνος που θα βάλεις για να μάθεις CSS/XPath και, αν πέσεις σε σελίδα με ισχυρή αντι-ρομπότ προστασία, η ανάγκη για proxy — η μόνη δαπάνη που μπορεί να προκύψει. Δεν υπάρχει κρυφός λογαριασμός: δεν δίνεις κάρτα για να το τρέξεις.
Ετυμηγορία
Το Scrapling είναι καλό εργαλείο όταν θες ευελιξία χωρίς να αλλάζεις οικοσύστημα κάθε φορά που μια σελίδα γίνεται πιο δύσκολη. Το δυνατό του σημείο είναι ότι καλύπτει από απλό fetch μέχρι browser automation και AI-assisted χρήση docs. Το αδύναμο σημείο του είναι ότι ζητά αρκετά από τον χρήστη: γνώση selectors, κατανόηση browser flow και αποδοχή ότι τα extras φέρνουν βάρος PyPI.
Αν γράφεις συχνά scraper code, θα σε βοηθήσει. Αν θέλεις ένα κουμπί που να τελειώνει τα πάντα χωρίς σκέψη, όχι. Η δική μου κρίση: αξίζει περισσότερο ως σοβαρό scraping toolkit παρά ως απλό terminal toy.
Πηγές:
https://github.com/D4Vinci/Scrapling
https://scrapling.readthedocs.io/en/latest/
https://pypi.org/project/scrapling/
https://scrapling.readthedocs.io/en/latest/changelog.html
Εγκατάσταση
4 ΒΗΜΑΤΑ- pip install scrapling
- pip install "scrapling[fetchers]"
- pip install "scrapling[shell]"
- pip install "scrapling[ai]"