Playwright Web Scraper
Playwright是一个功能强大的浏览器自动化库，可通过单一API控制Chromium、Firefox和WebKit。此模块利用Playwright提供高级网页抓取功能，可从网页中提取内容，包括需要执行JavaScript的动态内容。
此模块提供了一个功能强大的网页抓取工具，能够：
从单个或多个网页加载内容
处理由JavaScript渲染的内容
支持多种页面加载策略
等待特定元素加载
从网站抓取相对链接
处理XML站点地图
输入
URL：要抓取的网页URL
文本分割器（可选）：用于处理提取内容的文本分割器
获取相对链接方法（可选）：在以下选项中选择：
网络爬虫：从HTML网址中爬取相关链接
抓取XML站点地图：从XML站点地图URL抓取相关链接
获取相对链接限制（可选）：要处理的相对链接数量限制（默认值：10，0表示所有链接）
等待至（可选）：页面加载策略：
加载：等待加载事件触发
DOM 内容加载完成：等待 DOMContentLoaded 事件
网络空闲：等待500毫秒，确保无网络连接
提交：等待初始网络响应和文档加载
等待选择器加载（可选）：在抓取之前等待的CSS选择器
附加元数据（可选）：包含要添加到文档中的附加元数据的JSON对象
省略元数据键（可选）：以逗号分隔的需省略的元数据键列表
输出
Document：包含元数据和页面内容的文档对象数组
文本：来自文档的pageContent的拼接字符串
功能
支持多浏览器引擎（Chromium、Firefox、WebKit）
JavaScript执行支持
可配置的页面加载策略
元素等待能力
网络爬虫功能
XML站点地图处理
无头浏览器操作
沙盒配置
无效URL的错误处理
元数据定制
注意事项
默认情况下以无头模式运行
为兼容性起见，使用无沙盒模式 无效的URL将引发错误
将链接限制设置为0将检索所有可用链接（可能需要更长时间）
支持在提取之前等待特定的DOM元素
抓取一个URL
（可选）连接文本分割器。
输入要抓取的URL。
爬取与抓取多个网址
请参阅**Web Crawl**指南，以实现多页面的抓取。
资源
Last updated