Original em inglês: https://argusic.com/subject/scrapple
scrapple
Um framework para criar extratores de conteúdo web semiautomáticos
Executa com mocksfonte: GitHubpágina do projetoPythonMITcommit 0c19c7a2606f
Python, licença MIT. O projeto se descreve como: beautifulsoup, crawler, css selector, extractor, lxml, python, scrapers e scraping.
scrapple executa, com substitutos para os serviços de que depende. Em uma máquina limpa sem GPU, um agent da Argusic o instalou em 8 minutos e encontrou 4 erros, corrigindo todos sem ajuda, e a sessão inteira foi gravada.
Scrapple 0.3.0 installs, builds, and runs on Python 3.12; the CLI accepts all 4 commands (genconfig, run, generate, web), scrapes live websites via XPath and CSS selectors, and generates executable Python scripts, 13/17 tests pass with the remaining 4 failing only because their target websites changed HTML since 2018.
O que o agent conseguiu em uma máquina limpa, nas palavras dele. Como isto é medido
Medido pela Argusic em uma máquina nova, todas as vezes. Cada número tem link para as suas evidências. Pontuação Argusic 92 de 100 (a média das pontuações das execuções deste projeto).
Visão geral
Dados do projeto de GitHub, com link no topo desta página, atualizado em . Dados de teste da Argusic (CC BY 4.0); cada número tem link para uma página de execução com o log completo, a gravação e os hashes sha256 deles.
O que foi medido
Da execução que decidiu este veredito. Cada linha é um valor registrado, não uma estimativa.
O que deu errado, nas palavras do agent
As palavras do próprio agent, das piores para as menores, nunca reescritas como conselho.
- nose 1.3.0 is Python 2-only and crashes on import under Python 3.123 minutos
- selector.py uses Python 2 constructs: unicode type, itertools.izip, itertools.izip_longest2 minutos
- validate_config has operator precedence bug: %d % len(fields) - len(set(fields))1 minuto
- 4 run tests fail because external websites changed since 2018 (trakt.tv, basketball-reference.com, pyvideo.org)
- Tempo de instalação
- 8 minutos
- Da máquina limpa até o fim
- 10 minutos
- Erros encontrados e corrigidos
- 4 encontrados, 4 corrigidos sem ajuda humana
- Como o resultado foi comprovado
- pytest test suite: 13 passed, 4 failed (external site regressions). scrapple --version returned '0.3.0'. scrapple run on example.com with XPath and CSS selectors both returned correct scraped data ({title: 'Example Domain', paragraph: '...'}). scrapple generate created a script that ran and produced identical output.
- Tokens de modelo usados
- 370.723
- Commit exato testado
- 0c19c7a2606f
- Imagem do container
- sha256:cdd920bce783
O que não foi medido
A outra metade, para você ver exatamente até onde estas evidências vão. Uma lacuna é mostrada como lacuna e nunca é preenchida.
- Pico de memória da GPU
- esta execução foi em uma máquina com CPU, então não havia GPU para medir
- Comportamento em uma execução longa
- cada tentativa usa as menores configurações documentadas e um orçamento de tempo fixo, então isto mede se ele executa, não como ele se comporta sob carga
- Comportamento com serviços reais
- esta execução foi verificada apenas com serviços substitutos
O fim da gravação
As últimas linhas da sessão de terminal que decidiu este veredito, exatamente como foram gravadas.
**End-to-end verification**: `scrapple run` extracted "Example Domain" from `https://example.com` u… tokens used 370,723 All done. Here is the final summary: **Install**: Dependencies installed in a virtual environment, package built with `pip install -e .`… **Fixes applied**: - Rewrote 4 test files to remove `nose` (Python 2-only), replaced with standard assertions under `p… - Fixed Python 3 compatibility in `scrapple/selectors/selector.py`: replaced `unicode` with `str`, … - Fixed `SyntaxWarning` for `is not ""` → `!= ""` - Fixed operator precedence bug in `scrapple/utils/config.py:validate_config` (missing parentheses … **Test results**: 13 passed, 4 failed. The 4 failures are all scrapes against third-party websites … **End-to-end verification**: `scrapple run` extracted "Example Domain" from `https://example.com` u…
Reproduzir a sessão inteira, cada comando desde a máquina limpa até este ponto.
Como foi testado
Um agent, um container, nenhuma ajuda humana. Ele instala o projeto do jeito que a própria documentação do projeto manda, executa o projeto e corrige o que quebra. Tudo abaixo é registrado como aconteceu: a sessão de terminal, o log e o commit exato. A metodologia completa.
Pontos fortes e limites
Fatos medidos, não opiniões. Como este conteúdo é escrito.
O que deu certo
- Instalado em 8 minutos.
- Recuperou-se de todos os 4 erros sem que uma pessoa interviesse, o que indica que as falhas estão documentadas o suficiente para serem resolvidas.
- Licença MIT, segundo a plataforma onde o projeto está hospedado.
O que não deu certo, ou não se sabe
- Só chegou a um estado de execução com serviços substitutos, então nada aqui prova que ele funciona com os serviços reais.
- Medido uma vez até agora. Uma única tentativa mostra que ele pode executar, não que executa de forma confiável.
Também testados, na mesma área
Cada um destes foi instalado e executado pela Argusic em uma máquina limpa. Nada aparece aqui sem ter sido testado.
Histórico de execuções
| testado por | tentativa | resultado | pontuação | custo USD | quando |
|---|---|---|---|---|---|
| Argusic Runner | 1/3 | Executa com mocks | 92,00 | 0,04 |
Tópicos (de GitHub)
beautifulsoupcrawlercss-selectorextractorlxmlpythonscrapersscrapingscrapyselectorselector-expressiontutorialweb-scraperweb-scrapingxpath-expression
Incorporar o selo
Markdown para o README do projeto. Ele tem link de volta para esta página; os termos estão na página de termos.
[](https://argusic.com/subject/scrapple)Perguntas
- scrapple executa?
- scrapple executa, com mocks no lugar de serviços externos. A Argusic o instalou e iniciou em uma máquina limpa em 8 minutos, encontrando 4 erros no caminho, e gravou a sessão.
- Como a Argusic testou scrapple?
- Em uma máquina nova e descartável, com cada comando gravado e o repositório fixado no commit 0c19c7a2606f. Há uma tentativa registrada, e a metodologia completa está na página da metodologia.
- Quanto custou testar scrapple?
- A execução que produziu este veredito custou US$ 0,04: custo real de computação e de modelo, não um preço de tabela por milhão de tokens. Esse valor está registrado na página da execução.
- Quanto tempo leva para instalar scrapple?
- 8 minutos na execução que decidiu este veredito, de uma máquina limpa até um estado de execução. É uma tentativa medida, não uma média.
- scrapple precisa de GPU?
- Não para iniciar. A Argusic chegou a um estado de execução em uma máquina sem GPU.
- O que dá errado ao instalar scrapple?
- 4 coisas quebraram na execução registrada, e 4 foram corrigidas sem ajuda humana. Cada uma, com o tempo que custou, está listada nesta página.
- Onde estão as evidências de scrapple?
- A execução registrada está nesta página, cada uma com link para o seu log completo e a sua gravação do terminal, guardados com uma impressão digital sha256 para que não possam ser alterados discretamente.