Data Extractor

Data Extractor is a commercial-grade MCP Server built on FastMCP, offering robust capabilities to read, extract, and localize (into Markdown) content from web pages and PDFs with both text and images. It is purpose-built for long-term deployment in enterprise environments.

🛠️ MCP Server Core Tools (14)

Web Page

工具名称	功能描述	主要参数
scrape_webpage	单页面抓取	url, method(自动选择), extract_config(选择器配置), wait_for_element(CSS 选择器)
scrape_multiple_webpages	批量页面抓取	urls(列表), method(统一方法), extract_config(全局配置)
scrape_with_stealth	反检测抓取	url, method(selenium/playwright), scroll_page(滚动加载), wait_for_element
fill_and_submit_form	表单自动化	url, form_data(选择器:值), submit(是否提交), submit_button_selector
extract_links	专业链接提取	url, filter_domains(域名过滤), exclude_domains(排除域名), internal_only(仅内部)
extract_structured_data	结构化数据提取	url, data_type(all/contact/social/content/products/addresses)
get_page_info	页面信息获取	url(目标 URL) - 返回标题、状态码、元数据
check_robots_txt	爬虫规则检查	url(域名 URL) - 检查 robots.txt 规则
convert_webpage_to_markdown	页面转 Markdown	url, method, extract_main_content(提取主内容), embed_images(嵌入图片), formatting_options
batch_convert_webpages_to_markdown	批量 Markdown 转换	urls(列表), method, extract_main_content, embed_images, embed_options

PDF Document

工具名称	功能描述	主要参数
convert_pdf_to_markdown	PDF 转 Markdown	pdf_source(URL/路径), method(auto/pymupdf/pypdf), page_range, output_format
batch_convert_pdfs_to_markdown	批量 PDF 转换	pdf_sources(列表), method, page_range, output_format, include_metadata

Service Management

工具名称	功能描述	主要参数
get_server_metrics	性能指标监控	无参数 - 返回请求统计、性能指标、缓存情况
clear_cache	缓存管理	无参数 - 清空所有缓存数据

🎯 Quick Navigation

• 用户指南
• 架构设计
• 开发指南
• 测试指南
• 配置系统
• 常用指令
• 版本里程

🤝 Contribution

欢迎提交 Issue 和 Pull Request 来改进这个项目。

📄 License

MIT License - 详见 LICENSE 文件

---

注意: 请负责任地使用此工具，遵守网站的使用条款和 robots.txt 规则，尊重网站的知识产权。