好开源，值得被发现。

newspaper3k 是一个 Python 3 库，用于从网络抓取和整理文章，提供全文与元数据提取、NLP、多语言支持及多线程下载等功能。

易采集EasySpider是一款完全免费的可视化无代码网页爬虫与浏览器自动化工具，通过图形界面点选网页元素即可设计采集任务，支持命令行执行、流程图逻辑、定时任务与二次开发。

一个可自托管的抖音与TikTok数据API，支持获取作品、个人资料、评论、合集、粉丝/关注列表，并可下载无水印视频与图集。具备自修复身份池、PostgreSQL归档、REST API、MCP服务器、CLI和Web控制台。

Scrapy 是一个用于 Python 的快速、高级 Web 抓取框架，旨在从网站提取结构化数据。它跨平台且需要 Python 3.10 或更高版本，由 Zyte（前 Scrapinghub）及众多贡献者维护。

Lux 是一款用 Go 语言编写的快速、简洁的命令行视频下载工具，支持从 YouTube、Bilibili、Instagram 等多个平台下载视频、播放列表、图片和音频。

面向Python的自适应网页抓取框架：智能DOM追踪、反爬绕过抓取器、支持暂停/恢复的并发爬取、代理轮换以及MCP/AI就绪输出。

Firecrawl 是一个开源网页数据 API，用于搜索、抓取、爬取网站并与之交互，将页面转换为干净的 Markdown、JSON 或截图，供 AI 智能体和应用以 LLM 就绪的方式使用。

AH Crawler是用于网站搜索和分析的开源工具，支持PHP环境运行。

Crawlee 是一个用于构建可靠爬虫的 Python 网页抓取和浏览器自动化库。它支持 HTTP 和无头浏览器抓取、自动重试、代理轮换，以及面向 AI/LLM 应用的数据存储。