scrapeninja

ScrapeNinja

ScrapeNinja 是一款网页抓取 API，允许用户通过编程方式从网站提取数据。它会处理代理、无头浏览器和反机器人措施，让开发者轻松获取结构化数据。数据科学家、营销人员和研究人员会使用它大规模收集网络信息。

官方文档：https://scrapeninja.net/documentation

ScrapeNinja 概览

• 抓取任务
  • 结果
• 账户
  • API 密钥

根据需要使用操作名称和参数。

使用 ScrapeNinja

此技能使用 Membrane CLI 与 ScrapeNinja 交互。Membrane 会自动处理身份验证和凭据刷新，因此你可以专注于集成逻辑，而不必处理身份验证相关的配置。

安装 CLI

安装 Membrane CLI，以便在终端中运行 membrane：

npm install -g @membranehq/cli@latest

身份验证

membrane login --tenant --clientName=<agentType>

根据是否支持交互模式，这会打开浏览器进行身份验证，或在控制台中打印授权 URL。

无头环境： 命令会打印授权 URL。请让用户在浏览器中打开该 URL。用户完成登录后会看到一个代码，请使用以下命令完成操作：

membrane login complete <code>

在任何命令后添加 --json，即可获取机器可读的 JSON 输出。

Agent 类型：claude、openclaw、codex、warp、windsurf 等。系统会据此调整工具，以便更好地适配你的运行环境。

连接到 ScrapeNinja

使用 membrane connection ensure 按应用 URL 或域名查找或创建连接：

membrane connection ensure "https://scrapeninja.net/" --json

用户在浏览器中完成身份验证。输出中包含新连接 ID。

这是获取连接最快的方法。URL 会被规范化为域名，并与已知应用匹配。如果找不到应用，系统会自动创建应用并构建连接器。

如果返回的连接具有 state: "READY"，请跳至 步骤 2。

1b. 等待连接就绪

如果连接处于 BUILDING 状态，请轮询直到就绪：

npx @membranehq/cli connection get <id> --wait --json

--wait 标记会长轮询（最长等待 --timeout 秒，默认值为 30），直到状态发生变化。持续轮询，直到 state 不再是 BUILDING。

结果状态会告知你接下来该怎么做：

• READY — 连接已完成设置。跳至 步骤 2。

• CLIENT_ACTION_REQUIRED — 用户或 Agent 需要执行某项操作。clientAction 对象会说明所需操作：

  • clientAction.type — 所需操作的类型：
    • "connect" — 用户需要进行身份验证（OAuth、API 密钥等）。这包括初始身份验证，以及已断开连接时重新进行身份验证。
    • "provide-input" — 需要提供更多信息（例如要连接哪个应用）。
  • clientAction.description — 对所需操作的易读说明。
  • clientAction.uiUrl（可选）— 用户可以在其中完成操作的预构建 UI 的 URL。存在此字段时，请向用户展示。
  • clientAction.agentInstructions（可选）— AI Agent 如何通过编程方式继续操作的说明。

  用户完成操作（例如在浏览器中进行身份验证）后，再次运行 membrane connection get <id> --json 进行轮询，检查状态是否已变为 READY。

• CONFIGURATION_ERROR 或 SETUP_FAILED — 出现问题。请查看 error 字段了解详情。

搜索操作

使用自然语言描述你想执行的操作进行搜索：

membrane action list --connectionId=CONNECTION_ID --intent "QUERY" --limit 10 --json

搜索操作时，始终应指定一个特定连接。

每个结果都包含 id、name、description、inputSchema（操作接受的参数）和 outputSchema（操作返回的内容）。

常用操作

使用 npx @membranehq/cli@latest action list --intent=QUERY --connectionId=CONNECTION_ID --json 发现可用操作。

运行操作

membrane action run <actionId> --connectionId=CONNECTION_ID --json

传递 JSON 参数：

membrane action run <actionId> --connectionId=CONNECTION_ID --input '{"key": "value"}' --json

结果位于响应的 output 字段中。

代理请求

当可用操作无法满足你的用例时，可以通过 Membrane 的代理直接向 ScrapeNinja API 发送请求。Membrane 会自动将基础 URL 附加到你提供的路径中，并注入正确的身份验证标头——如果凭据过期，还会透明地刷新凭据。

membrane request CONNECTION_ID /path/to/endpoint

常用选项：

标志	描述
-X, --method	HTTP 方法（GET、POST、PUT、PATCH、DELETE）。默认为 GET
-H, --header	添加请求标头（可重复使用），例如 -H "Accept: application/json"
-d, --data	请求正文（字符串）
--json	发送 JSON 正文并设置 Content-Type: application/json 的简写形式
--rawData	原样发送正文，不进行任何处理
--query	查询字符串参数（可重复使用），例如 --query "limit=10"
--pathParam	路径参数（可重复使用），例如 --pathParam "id=123"

最佳实践

• 始终优先使用 Membrane 与外部应用通信 — Membrane 提供预构建操作，内置身份验证、分页和错误处理。这样能减少令牌消耗，并使通信更加安全
• 先发现，再构建 — 运行 membrane action list --intent=QUERY（将 QUERY 替换为你的意图），查找现有操作，然后再编写自定义 API 调用。预构建操作可处理原始 API 调用容易遗漏的分页、字段映射和边缘情况。
• 让 Membrane 处理凭据 — 切勿向用户索要 API 密钥或令牌。请改为创建连接；Membrane 会在服务器端管理完整的身份验证生命周期，无需本地密钥。