网页数据采集工具包

Bright Data Hackathon Kit 提供了一套完整的工具和API,用于从任何网站采集数据,支持网页解锁、搜索引擎结果获取、远程浏览器控制等功能,适用于黑客马拉松和AI代理开发。

  • by ScrapeAlchemist
  • TypeScript
  • 本地部署
  • 15 星标
  • 更新于
在 GitHub 查看 ScrapeAlchemist/brightdata-hack-pack

使用说明

Bright Data Hackathon Kit

Scrape any website. Get any data. Build something amazing.
Your one-stop resource for building with Bright Data at hackathons.

Quick Start • MCP & Agents • Products • Examples • Showcase • Help


嗨,我是拉斐尔

我是一名DevRel工程师 亮数据我是来帮你建造的!


什么是光明数据?

Bright Data为您提供工具 从任何网站收集数据 而不会被阻止。我们的API处理验证码、反机器人系统、浏览器指纹识别和IP轮换,因此您可以专注于构建您的黑客,而不是对抗网站。

完全访问所有Bright Data产品。


60秒内开始

1.获取API密钥

首选 brightdata.com/cp/setting/users 并复制您的API密钥。

2.了解你的区域

A. 区域 是Bright Data产品的配置实例。将其视为一个命名的访问点-每个产品(Web Unlocker、SERP API、Scraping Browser)都有自己的区域,并有自己的凭据和设置。

  • 在以下位置查找您的区域 brightdata.com/cp/zzones
  • 每个区域都有一个 名字 (例如。, web_unlocker1, serp_api1)传入API调用
  • 抓取浏览器区域也有 用户名 和 密码 (用于WebSocket身份验证)
  • 注册时,会为您创建默认区域——请检查您的控制面板

3.设置环境变量

export BRIGHTDATA_API_KEY="your_api_key_here"

# Zone names — find yours at brightdata.com/cp/zones
export BRIGHTDATA_UNLOCKER_ZONE="web_unlocker1"     # Web Unlocker zone
export BRIGHTDATA_SERP_ZONE="serp_api1"              # SERP API zone

4.刮东西

python

import requests

response = requests.post(
    "https://api.brightdata.com/request",
    headers={
        "Authorization": f"Bearer {YOUR_API_KEY}",
        "Content-Type": "application/json",
    },
    json={
        "zone": "web_unlocker1",
        "url": "https://www.example.com",
        "format": "raw",
    },
)
print(response.text)  # HTML of the page

JavaScript:

const response = await fetch("https://api.brightdata.com/request", {
  method: "POST",
  headers: {
    Authorization: `Bearer ${YOUR_API_KEY}`,
    "Content-Type": "application/json",
  },
  body: JSON.stringify({
    zone: "web_unlocker1",
    url: "https://www.example.com",
    format: "raw",
  }),
});
console.log(await response.text()); // HTML of the page

cURL:

curl -X POST "https://api.brightdata.com/request" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"zone": "web_unlocker1", "url": "https://www.example.com", "format": "raw"}'

就是这样。你刚刚浏览了一个网站。


MCP和AI代理

构建具有web访问功能的AI代理的最快方法。 MCP(模型上下文协议)允许您的代理搜索网页、抓取页面和提取结构化数据,而无需编写API调用。

零设置选项

将此URL添加到任何兼容MCP的客户端(Claude Desktop、Cursor、Windsurf):

https://mcp.brightdata.com/mcp?token=YOUR_API_TOKEN

Claude桌面设置

{
  "mcpServers": {
    "Bright Data": {
      "command": "npx",
      "args": ["@brightdata/mcp"],
      "env": {
        "API_TOKEN": "YOUR_API_TOKEN"
      }
    }
  }
}

用10行构建代理

from llama_index.tools.brightdata import BrightDataToolSpec
from llama_index.llms.openai import OpenAI
from llama_index.core.agent.workflow import FunctionAgent

agent = FunctionAgent(
    tools=BrightDataToolSpec(api_key=API_KEY, zone="mcp_unlocker").to_tool_list(),
    llm=OpenAI(model="gpt-4o-mini"),
)
response = await agent.run("Find the top AI trends this week and summarize them")

代理自主决定使用哪个工具:

  • 网络搜索→ search_engine
  • 删除一页→ scrape_as_markdown
  • 亚马逊产品→ web_data_amazon_product
  • 领英个人资料→ web_data_linkedin_person_profile
  • 60多种可用工具

免费等级:5000次请求/月 --足够举办一场黑客马拉松了。

完整的MCP指南→ | 代理工作流模式→


产品

产品 它做什么 最适合
MCP服务器 为AI代理提供实时web访问 代理工作流、LLM工具
Web Scraper API 从热门网站返回结构化JSON 亚马逊、领英、Instagram数据
SERP API 无障碍搜索引擎结果 谷歌搜索、市场研究
抓取浏览器 通过Puppeteer/Playwright远程浏览器 JS密集型网站、交互、截图
Web解锁器 获取任何页面的HTML,不带任何块 任何网站,原始HTML

不确定使用哪一个? 检查 决策树→


代码示例

准备在Python和JavaScript中运行脚本。复制、粘贴、运行。

python

示例 它做什么
01_web_scraper_api.py 从支持的站点获取结构化JSON
02_serp_api.py 搜索谷歌并获得解析结果
03_scraping_browser.py 使用Playwright控制远程浏览器
04_web_unlocker.py 获取任何页面的HTML
05_mcp_agent.py 构建具有web访问功能的AI代理(MCP)
cd examples/python
pip install -r requirements.txt    # Installs all deps (including MCP agent)
export BRIGHTDATA_API_KEY="your_key"
export BRIGHTDATA_UNLOCKER_ZONE="web_unlocker1"
python 04_web_unlocker.py          # Try the simplest example first

# For the MCP agent (05), you also need:
export OPENAI_API_KEY="your_openai_key"
python 05_mcp_agent.py

JavaScript

示例 它做什么
01_web_scraper_api.js 从支持的站点获取结构化JSON
02_serp_api.js 搜索谷歌并获得解析结果
03_scraping_browser.js 使用Puppeteer控制远程浏览器
04_web_unlocker.js 获取任何页面的HTML
05_mcp_agent.js 连接到Bright Data MCP服务器
cd examples/javascript
npm install
export BRIGHTDATA_API_KEY="your_key"
export BRIGHTDATA_UNLOCKER_ZONE="web_unlocker1"
node 04_web_unlocker.js             # Try the simplest example first

Python SDK(更简单)

pip install brightdata
from brightdata import BrightDataClient

async with BrightDataClient() as client:
    result = await client.scrape_url("https://example.com")
    search = await client.search.google(query="python scraping")

初学者模板

叉子准备好了 Next.js应用程序 Bright Data已连接:

cd starter-template
npm install
cp .env.example .env     # Add your API key
npm run dev               # Open http://localhost:3000

输入URL→ 获取抓取的HTML。建立在它之上。

请参阅启动器模板→


基于明亮数据构建

我们团队的真实项目。使用这些作为灵感、参考代码,或将它们作为起点。

项目 它做什么 明星 堆栈
PepoLeHub 的 自然语言人搜索引擎 320+ Next.js、LangGraph、Bright Data
MCP_ADK 使用Google ADK的Web搜索代理 46 Python、Gemini、Bright Data MCP
FactFlux 多代理事实核查系统 41 Agno、Gemini、Bright Data
统一搜索 智能查询路由代理 18 LangGraph,Bright Data MCP
AI中缺失的环节 MCP驱动的研究代理 - Node.js、LangChain、Bright Data MCP
互联网情绪雷达 实时全球情绪跟踪器 - Next.js、OpenAI、Bright Data
租房猎人 多代理公寓搜索 10 LangGraph、Streamlit、Bright Data
地理聊天 基于位置的地图搜索 - Express.js、LangGraph、MapLibre
丰富 AI电子表格数据丰富 3 React、FastAPI、LangGraph
AI旅行计划 带实时数据的旅行助手 - FastAPI、LangGraph、WebSocket

查看所有项目的详细信息→


项目理念

需要灵感吗?我们有20多个由黑客马拉松轨道组织的想法:

  • 医疗保健 --药品价格跟踪器、临床试验监视器
  • 可持续性 --绿灰检测仪、生态产品检测仪
  • AI/ML --培训数据管道,RAG知识库构建器
  • 金融科技 --价格比较引擎,另类交易数据
  • 教育 --奖学金聚合器、课程比较工具

查看所有项目创意→


快速参考


官方资源


需要帮助?

  • 打开一个问题 关于此回购
  • 联系LinkedIn --很乐意帮忙!

祝你好运建造一些令人惊叹的东西。