Web Scraping & Crawling
Extraction de donnees web : crawlers, RSS, Apify, indexation.
| # | Skill | Source | Description | Δ | |
|---|---|---|---|---|---|
| 1 | defuddle | kepano/obsidian-skills | Extraire le contenu lisible et épuré de pages web via Defuddle CLI. | 31 409 | 1627 |
| 2 | arize-link | github/awesome-copilot | Générer des liens profonds vers l'interface Arize pour traces, spans, datasets et évaluateurs. | 33 040 | 563 |
| 3 | x-twitter-scraper | github/awesome-copilot | Intégrer l'API Xquik pour scraper, monitorer et automatiser des tâches X/Twitter. | 33 040 | 563 |
| 4 | autobrowse | browserbase/skills | Créer et affiner automatiquement des skills de navigation web par itérations successives. | 3 250 | 541 |
| 5 | fetch | browserbase/skills | Récupérer le contenu, les en-têtes et métadonnées d'une page web sans navigateur. | 3 250 | 541 |
| 6 | browser | browserbase/skills | Automatiser les interactions navigateur en local ou via Browserbase avec une CLI dédiée. | 3 250 | 541 |
| 7 | search | browserbase/skills | Rechercher sur le web et retourner des résultats structurés via l'API Browserbase. | 3 250 | 541 |
| 8 | huggingface-datasets | huggingface/skills | Explorer et extraire des données de datasets Hugging Face via l'API Dataset Viewer. | 10 498 | 84 |
| 9 | apify-actor-development | apify/agent-skills | Développer et déployer des Actors serverless sur la plateforme Apify. | 2 039 | 38 |
| 10 | apify-ultimate-scraper | apify/agent-skills | Extraire des données web depuis plus de 100 sources via l'API Apify. | 2 039 | 38 |
| 11 | apify-sdk-integration | apify/agent-skills | Intégrer des Actors Apify dans une application via SDK JS, Python ou REST API. | 2 039 | 38 |
| 12 | firecrawl-agent | firecrawl/cli | Extraire automatiquement des données structurées depuis des sites web complexes multi-pages. | 390 | 16 |
| 13 | firecrawl | firecrawl/cli | Scraper, rechercher et interagir avec le web via Firecrawl CLI en markdown optimisé. | 390 | 16 |
| 14 | firecrawl-crawl | firecrawl/cli | Extraire en masse le contenu de multiples pages d'un site web via crawl. | 390 | 16 |
| 15 | firecrawl-download | firecrawl/cli | Télécharger un site entier en fichiers locaux organisés via map et scrape. | 390 | 16 |
| 16 | firecrawl-interact | firecrawl/cli | Interagir avec des pages web en session navigateur live via prompts ou code. | 390 | 16 |
| 17 | firecrawl-map | firecrawl/cli | Cartographier toutes les URLs d'un site web avec filtrage par recherche. | 390 | 16 |
| 18 | firecrawl-parse | firecrawl/cli | Convertir des fichiers locaux (PDF, DOCX, XLSX…) en markdown propre sur disque. | 390 | 16 |
| 19 | firecrawl-scrape | firecrawl/cli | Extraire le contenu de pages web en markdown optimisé pour les LLMs. | 390 | 16 |
| 20 | firecrawl-search | firecrawl/cli | Rechercher sur le web et récupérer le contenu complet des pages résultantes. | 390 | 16 |
| 21 | coingecko | elophanto/elophanto | Intégrer l'API CoinGecko pour accéder aux données Solana en temps réel. | 72 | 16 |
| 22 | tavily-best-practices | tavily-ai/skills | Accéder à des données web en temps réel via une API de recherche optimisée pour les LLMs. | 291 | 15 |
| 23 | tavily-cli | tavily-ai/skills | Rechercher, extraire, crawler et analyser le web via Tavily CLI. | 291 | 15 |
| 24 | tavily-crawl | tavily-ai/skills | Explorer et extraire le contenu de plusieurs pages web via l'outil Tavily CLI. | 291 | 15 |
| 25 | tavily-dynamic-search | tavily-ai/skills | Filtrer et extraire des résultats web sans polluer la fenêtre de contexte. | 291 | 15 |
| 26 | tavily-extract | tavily-ai/skills | Extraire le contenu textuel ou Markdown propre depuis une ou plusieurs URLs. | 291 | 15 |
| 27 | tavily-map | tavily-ai/skills | Cartographier rapidement toutes les URLs d'un site sans en extraire le contenu. | 291 | 15 |
| 28 | tavily-research | tavily-ai/skills | Générer un rapport cité et approfondi à partir de multiples sources web analysées. | 291 | 15 |
| 29 | tavily-search | tavily-ai/skills | Effectuer des recherches web optimisées pour LLM avec scores de pertinence via Tavily. | 291 | 15 |
| 30 | elevenlabs-transcribe | elevenlabs/skills | Transcrire de l'audio en texte avec identification des locuteurs et streaming temps réel. | 237 | 14 |
| 31 | speech-to-text | elevenlabs/skills | Transcrire de l'audio en texte avec détection de locuteurs et horodatage précis. | 237 | 14 |
| 32 | rw-check-compatibility | runwayml/skills | Vérifier la compatibilité d'un projet avec l'API serveur de Runway. | 48 | 9 |
| 33 | rw-fetch-api-reference | runwayml/skills | Récupérer la référence API Runway en temps réel avant toute intégration. | 48 | 9 |
| 34 | rw-integrate-uploads | runwayml/skills | Uploader des fichiers locaux vers Runway pour les utiliser comme inputs génératifs. | 48 | 9 |
| 35 | rw-recipe-full-setup | runwayml/skills | Intégrer l'API Runway dans un projet en guidant chaque étape de configuration. | 48 | 9 |
| 36 | bx-search | brave/brave-search-skills | Effectuer des recherches web optimisées via CLI pour alimenter des agents IA en contexte. | 133 | 6 |
| 37 | bx | brave/brave-search-skills | Rechercher sur le web via Brave Search CLI avec extraction de contenu optimisée pour les agents IA. | 133 | 6 |
| 38 | images-search | brave/brave-search-skills | Rechercher des images sur le web via l'API Brave Search. | 133 | 6 |
| 39 | local-descriptions | brave/brave-search-skills | Récupérer des descriptions IA de lieux d'intérêt via l'API Brave Search. | 133 | 6 |
| 40 | local-pois | brave/brave-search-skills | Récupérer les détails complets de points d'intérêt locaux via l'API Brave Search. | 133 | 6 |
| 41 | news-search | brave/brave-search-skills | Rechercher des actualités récentes via l'API Brave avec filtres temporels et géographiques. | 133 | 6 |
| 42 | videos-search | brave/brave-search-skills | Rechercher des vidéos sur le web via l'API Brave Search. | 133 | 6 |
| 43 | web-search | brave/brave-search-skills | Effectuer des recherches web structurées via l'API Brave Search avec filtres avancés. | 133 | 6 |
| 44 | video-search | nvidia/skills | Rechercher des archives vidéo en langage naturel via des embeddings vectoriels. | 87 | 4 |
| 45 | diagnosing-sdk-health | posthog/skills | Diagnostiquer la santé des SDK PostHog et recommander les mises à jour nécessaires. | 37 | 3 |
| 46 | diagnosing-missing-recordings | posthog/skills | Diagnostiquer pourquoi une session PostHog n'a pas été enregistrée. | 37 | 3 |
| 47 | exploring-autocapture-events | posthog/skills | Explorer les événements d'autocapture PostHog pour analyser les interactions utilisateurs. | 37 | 3 |
| 48 | setting-up-a-data-warehouse-source | posthog/skills | Connecter une source de données externe à l'entrepôt PostHog en suivant un flux guidé en trois étapes. | 37 | 3 |
| 49 | suggesting-data-imports | posthog/skills | Identifier et importer des données externes dans PostHog via l'entrepôt de données. | 37 | 3 |
| 50 | workload-analysis | posthog/skills | Analyser les dépenses clients par workload et générer des visualisations React interactives. | 37 | 3 |
À propos de cette sélection
L'outillage de scraping web a longtemps ressemblé à un chantier artisanal : un script Playwright bricolé, un cron qui tombe en silence, des sélecteurs CSS qui rendent l'âme dès qu'un front-end se restructure. Les agents IA changent la donne. Ils ont besoin d'accéder au web de façon fiable, autonome et reproductible, et c'est précisément ce que couvrent les skills web scraping & crawling rassemblés ici. De quoi piloter un navigateur headless pour extraire des données structurées depuis des pages dynamiques, ou brancher un agent sur un moteur de recherche comme Tavily et Brave sans écrire une ligne de parsing. Ces skills s'adressent aux développeurs Python ou TypeScript qui alimentent des pipelines de données, construisent des agents de veille ou enrichissent des datasets pour du fine-tuning. L'écosystème couvre déjà une bonne partie des cas d'usage courants.