En İyi Açık Kaynak Scraper Araçları ve Yazılımları 2025 | Thunderbit

Neredeyse her “en iyi açık kaynak scraper” listesinde sessiz bir kusur var: araçlar aynı sayfalarda çalıştırılmıyor. Scrapy bir haber yazısında test ediliyor, Playwright bir e-ticaret demosunda, Colly ise yazarın elinin altındaki herhangi bir şeyde — sonra da bunlar yan yana sıralanıyor, sanki ortaya çıkan sayılar aynı şeyi ifade ediyormuş gibi. Oysa bu sıralama size araçları değil, sayfaları anlatır.

Bu yüzden listelerin atladığı o sıkıcı ama doğru şeyi yaptım. Tek bir test seti kurdum ve dokuz aracı bunun üzerinden geçirdim: statik bir katalog, JavaScript ile render edilen bir katalog, gezinme menüsü ve footer kalabalığına gömülü bir makale, bilerek bozulmuş bir HTTP 500 yanıtı, küçük bir dahili bağlantı tarama grafiği ve ayrıca iki herkese açık deneme sitesi. Aynı gerçek veri, aynı ölçümler, her koşumda birebir aynı düzen. Script’ler ve ham çıktılar açık bir benchmark deposunda duruyor; böylece isterseniz hepsini kendiniz yeniden çalıştırabilirsiniz. Geri gelen sonuçlar, derlemelerin vaat ettiği o temiz liderlik tablosu değil — çünkü tek bir kazanan yok. Üç ayrı iş var ve dokuz araç neredeyse kendiliğinden bu işlere ayrılıyor.

Web Veri Çıkarma için Thunderbit’i Deneyin

Test nasıl yapıldı ve açıkça söyleyeceğim tek sınırlama

Tüm araçlar aynı türde fixture’larla karşılaştı: iki sayfaya yayılmış 12 statik ürün, gecikmeden sonra JavaScript ile eklenen 8 ürün, nav/footer kalıntılarıyla çevrili üç gerçek paragraf içeren bir makale, bilerek oluşturulmuş bir sunucu 500 hatası ve bir dahili bağlantı grafiği. Sonuçları karşılaştırılabilir kılan da bu tasarım — “8/8 dinamik ürün” ifadesi, çıktıyı Puppeteer üretmiş de olsa Crawlee üretmiş de olsa aynı anlama geliyor.

Çoğu listelemenin atladığı sınır tam burada. Her aracın paketi, o fixture’ların kendi kopyasını yansıtıyor; bu nedenle mutlak karakter sayıları araçlar arasında doğrudan kıyaslanamaz — bunları araç içi sinyal olarak okuyun, araçlar arası puan olarak değil. Gerçekten karşılaştırılabilir olanlar geri çağırma oranı (recall; bir oran olarak düşünün), JavaScript geçme/kalma durumu ve yapısal davranış. Aynı ruhla bir başka kapsam notu: Crawl4AI’nin statik katalog koşumu yalnızca birinci sayfayı kapsıyordu; bu yüzden 6/6 değeri daha dar bir kesitte tam geri çağırmayı gösterir. Diğer araçlar ise iki sayfayı da tarayıp 12/12 elde etti — bu eksik sonuç değil, daha küçük kapsamdır. Ayrıntılı gerekçe, fixture fixture, metodoloji yazısında yer alıyor.

Sayılarla başlamadan önce bir not daha. Her pakette geçici bir araştırma skoru da var; ancak bunları kasıtlı olarak sıralı bir tablo halinde paylaşmıyorum. Bunlar, her aracı kendi kanıtına göre kontrol etmek için kullanılan dahili yardımcılar; bir lig tablosu değil. Bunları tek bir sıralamaya dönüştürmek, bu çalışmanın tam da kaçınmaya çalıştığı yanlış hassasiyet sorununu yeniden üretirdi. Bu, bench’in gösterdiklerinin bir sentezidir; bir skor tahtası değil.

Tüm alan, tek bir bench üzerinde

Bu tablonun iki sütununa — “Renders JS?” ve “Built-in crawl queue” — aşağı doğru bakın; üç iş neredeyse kendini ilan ediyor.

Araç	Dil	JS render ediyor mu?	Statik geri çağırma	Yapılandırılmış çıktı	Yerleşik tarama kuyruğu	Kurulum ağırlığı	Lisans
Crawl4AI	Python	Evet (tarayıcı)	6/6 (1. sayfa)	CSS şeması	Yerleşik BFS/DFS	Ağır (2 tarayıcı yığını)	Apache-2.0
Firecrawl	Self-hosted	Evet (playwright-service)	Tam Markdown	Evet	/v1/crawl	En ağır (6 container)	AGPL-3.0
trafilatura	Python	Hayır	3/3 makale	Hayır (yalnızca metin)	Hayır	Hafif	Apache-2.0
Crawlee	Node/TS	Motor opsiyonlu	12/12	Extraction üzerinden	Evet (RequestQueue)	Orta (+~80 MiB)	Apache-2.0
Playwright	Node/çoklu	Evet	12/12	Manuel	Hayır (elle yazılmış BFS)	Orta (tarayıcı)	Apache-2.0
Puppeteer	Node	Evet (Chrome)	12/12	Manuel	Hayır (elle yazılmış BFS)	Orta (Chrome)	Apache-2.0
Scrapy	Python	Hayır	12/12	Feed export (JSON/CSV/XML)	Evet (yerleşik)	Orta (Twisted bağımlılıkları)	BSD-3
Colly	Go	Hayır	12/12	Callback’ler üzerinden	Derinlik kontrolü	Hafif (1 binary + Go)	Apache-2.0
Scrapling	Python	Hayır (HTTP fetcher)	12/12	Evet	Hayır	Orta ([fetchers])	BSD-3

Tablodaki ve aşağıdaki her yerdeki meta verilerle ilgili bir not: yıldız sayıları ve sürüm numaraları 2026 Temmuz başında kaydedildi ve ikisi de hızla değişebilir. Bunları güncel kabul etmeden önce her projenin GitHub ve paket sayfasından yeniden kontrol edin.

Tekil araç inceleme dizini

Bu derlemedeki her projenin eşleşen ayrıntılı bir incelemesi var:

• Crawl4AI incelemesi
• Firecrawl incelemesi
• trafilatura incelemesi
• Playwright vs Puppeteer karşılaştırması
• Crawlee incelemesi
• Scrapy incelemesi
• Colly incelemesi
• Scrapling incelemesi

İşte kapak görselleri — ayrıca JavaScript render testinden alınmış iki gerçek ekran görüntüsü; böylece “8/8 dinamik” iddiası sayfa üstünde duran bir sayıdan ibaret kalmıyor.

Görev 1: bir sayfayı LLM’ye hazır metne dönüştürmek

Temiz Markdown üretip bunu bir RAG hattına vermek istiyorsanız, üç araç öne çıkıyor — ama birbirlerinden daha farklı tasarlanmış olamazlardı.

Crawl4AI, pazarlama dilinin altına bakınca, tarayıcı destekli bir Markdown üreticisidir. Arama sonuçlarının peşinde dolaşan “adaptive intelligence self-learning selector” hikâyesini bir kenara bırakmakta fayda var: böyle bir şey yok — bu, başka bir kütüphanenin numarasıydı (ona Scrapling’e geldiğimizde değineceğiz). Gerçekte ne yapıyorsa onu iyi yapıyor. Books to Scrape deneme sitesinde 13.476 karakter Markdown üretti, yapılandırılmış veri çekimleri için CSS schema extraction destekliyor ve yerleşik BFS derin taraması crawl grafiği üzerinde 5 sayfa gezdi; bunu yaparken de bir JavaScript sayfasını render edip ekran görüntüsü aldı. Ama iki belirgin eksisi var. Ham Markdown çıktısı, bir içerik filtresi açmadığınız sürece sayfanın çevre kalabalığını da taşıyor; ayrıca bilerek oluşturulan 500 yanıtı success=false olarak döndü — çünkü Crawl4AI HTTP hatasını temiz biçimde yakalayamadı, kendi içerik sezgisi küçük hata gövdesine bakıp onu minimal_text ... blocked diye işaretledi. Bir de kurulum disk üzerinde iki tarayıcı yığını bırakıyor. Sürüm 0.9.0, Apache-2.0, 2026 Temmuz başı itibarıyla yaklaşık 71 bin yıldız.

Firecrawl bu grubun ağır sikleti ve onu self-host etmek gerçekten çalışıyor — “gerçekten” diyorum çünkü altı container’lık yığın (api, playwright-service, redis, rabbitmq, nuq-postgres ve foundationdb) ayağa kalktı ve aynı Books to Scrape sayfasından 9.222 karakter LLM’ye hazır Markdown üretti. Kendi paketindeki playwright-service üzerinden bir JavaScript sayfasını render etti ve script sonrasında görünen Einstein alıntısı çıktıda yer aldı; yani render işleminin gerçek olduğu doğrulandı. Karşılaştığım iki takılma Firecrawl’dan değil ortamdan kaynaklanıyordu ve bunu özellikle net söylemek istiyorum ki kimse yanlış düzeltmeyi kopyalamasın: kaynak koddan derleme, colima altında containerd snapshotter kaynaklı bir aksaklığa takıldı (ben de önceden derlenmiş imajlara geçtim) ve colima’nın 198.18.x.x DNS aralığı Firecrawl’ın SSRF korumasını tetikledi; bunu ALLOW_LOCAL_WEBHOOKS=true ile aştım — bu yerel geliştirme için bir geçici çözümdür, gerçek bir dağıtımda kapatılması gereken bir şey değildir. Self-hosted çekirdek ayrıca cloud tarafındaki anti-block katmanı olan Fire-engine’i içermiyor ve cloud API’yi test etmedim. Daha büyük uyarı ise lisans: Firecrawl’ın self-hosted çekirdeği AGPL-3.0 lisanslıdır; bu, ticari kullanım öncesinde gerçekten hukuk incelemesi gerektiren bir konudur, dipnot değil. 2026 Temmuz başı itibarıyla yaklaşık 148 bin yıldız.

trafilatura bu grubun ters köşe üyesi ve AI hype listelerinin unutmayı sevdiği araç da o. Tarayıcı yok. Yapılandırılmış satırlar yok. Sadece saf Python ile hızlı, temiz makale metni. Makale fixture’ında başlığı ve 3 gerçek paragrafın 3’ünü de aldı, çevre kalabalığını tamamen temizledi — “Login”, “Subscribe” ya da “Copyright” sızmadı — ve yazar ile tarihi de çekti. Herkese açık bir ürün sayfasında ise 1.324 karakter temiz metin döndürdü. Sınırı tam olarak tasarımının söylediği şeydir: bir kataloğa yöneltirseniz size 12 ürün adını metin olarak, ama 0 yapılandırılmış satır olarak verir — metin var, yapı yok; ayrıca JavaScript de render etmez. Sürüm 2.1.0 (güncel sürüm), Apache-2.0, yaklaşık 6,2 bin yıldız. Salt makale çıkarımı için ilk bakacağım araç bu olurdu.

Bu iki Markdown karakter sayısı — Crawl4AI’den 13.476, Firecrawl’dan 9.222 — aynı herkese açık sayfadan geldi; ancak bunu kalite farkı olarak okumayın. Bunlar farklı Markdown stratejilerini yansıtıyor (her aracın sayfa süsünden ne kadarını tuttuğu gibi), hangi çıktının daha iyi olduğuna dair bir hüküm değil. Az önceki araç içi sinyal kuralı, burada açıkça görülüyor.

Görev 2: JavaScript’i güvenilir biçimde render etmek

Bazı veriler, script’ler çalışana kadar HTML’in içinde yoktur; tam o anda gerçek bir tarayıcı artık opsiyonel olmaktan çıkar. Bu işi üç araç karşılıyor — ve ikisi neredeyse aynı araç çıktı.

Playwright ve Puppeteer test ettiğim her şeyde berabere kaldı. İkisi de yerel fixture’da 8/8 dinamik ürünü ve herkese açık Quotes JS sitesinde 10 öğeyi render etti, ikisi de 12/12 statik geri çağırma elde etti ve ikisi de 500 yanıtını temiz biçimde işledi (Puppeteer hata fırlatmak yerine bir response nesnesi döndürüyor). İkisinin de yerleşik tarama kuyruğu yok; bu yüzden ikisi de elle yazılmış BFS gerektirdi ve crawl grafiğinde derinlik 0–2 arasında 12 sayfaya ulaştı. Gerçek fark erişim alanında: Playwright Chromium, Firefox ve WebKit’i sürer ve Python ile .NET konuşur; Puppeteer ise Chrome odaklıdır ve yalnızca Node kullanır. Sürüm tarafında hızlı değişim olduğundan iki not düşeyim: Playwright 1.56.0’ı güncel 1.61.1’e karşı test ettim ve yalnızca Chromium kullandım; Puppeteer 24.16.0’ı güncel 25.3.0’a karşı test ettim — buna göre yeniden çalıştırın ya da sonuçları ihtiyatla okuyun. İkisi de Apache-2.0; yıldız sayıları yaklaşık 92 bin ve 95 bin.

Crawlee ise diğer ikisinin açık bıraktığı kuyruk sorununu çözen araç. Tek bir API arkasında bir Cheerio (HTTP) motoru ve bir Playwright (tarayıcı) motoru sunuyor; farkı tek bir sayfada görmek bile yeterli: Cheerio motoru JavaScript ile enjekte edilen öğelerin 0 tanesini gördü, Playwright motoru yerelde 8/8’i (ve herkese açık sitede 10’u) gördü ve aralarında geçiş yapmak tek satırlık değişiklik. Ayrıca gerçek bir RequestQueue veriyor; bu da onu üçüncü görev yerine bu kategoriye sokan şey. Ancak manşette kimsenin yazmadığı bir ayrıntı var: tarayıcı motoru için ayrı bir npx playwright install gerekiyor; yani npm install crawlee size otomatik olarak yaklaşık 80 MiB indirmiyor. Sürüm 3.17.0, TypeScript, Apache-2.0, yaklaşık 24,6 bin yıldız.

Görev 3: tarayıcı olmadan hızlı tarama yapmak

Sayfada JavaScript yoksa, bir tarayıcı pahalı bir aşırılıktır. Burada üç HTTP-öncelikli araç yarışıyor; her biri farklı bir dil felsefesini temsil ediyor ve ilginç biçimde birbirlerinden ayrışıyor.

Scrapy bu grubun mühendislik sınıfı çerçevesi — spider’lar, JSON/CSV/XML’e feed export, AutoThrottle ve daha fazlası. 12/12 statik geri çağırma elde etti, makalenin 3/3 paragrafını çekti, crawl grafiğinde derinlik 0–2 arasında 11 sayfa gezdi ve 500 yanıtını handle_httpstatus_list üzerinden yakaladı. Onu ilginç yapan asıl şey bakış açısı: render etmez, isteği yeniden üretir. JavaScript sayfasının önüne atıldığında 0 düğüm aldı — sonra aynı sayfanın arkasındaki JSON API ona 8/8 verdi. Scrapy felsefesi tek bir veri noktasında özetlenmiş hâliyle budur: sayfanın yaptığı isteği bul ve onu yeniden oynat, tarayıcı sürme. Bedeli ise epey ağır bir bağımlılık yığınıdır (Twisted, lxml, parsel) ve ben onu yalnızca küçük fixture’lara karşı test ettim. Sürüm 2.17.0, BSD-3-Clause, yaklaşık 63 bin yıldız.

Colly Go cephesi ve ne olduğunu oldukça açık anlatıyor: tek bir statik binary, OnHTML, OnResponse ve OnError callback’leri üzerinden çalışan, derinlik kontrolü olan bir araç. 12/12 statik geri çağırmayı yakaladı, JSON API’den OnResponse ile 8/8 veriyi aldı, OnError ile 500’ü yakaladı ve derinlik-2 taramasında 17 sayfaya ulaştı — bunu özellikle bu şekilde söylüyorum, çünkü bu sayfa sayısı aracın bir tamamlık garantisi değil, test düzeninin kendi sayacı. Yapmadığı şey JavaScript’tir: dinamik fixture ve Quotes JS sitesi tasarım gereği 0 ile döndü. Derlemek için bir Go toolchain’e ihtiyacınız var ve modül sürümü (v2.3.0) şu anda etiketli sürümün (v2.2.0) önünde gidiyor. Apache-2.0, yaklaşık 25 bin yıldız.

Scrapling ise uzman araç ve bu unvanı hak ediyor. Adaptif seçicileri, markup değiştiğinde öğeyi yeniden bulmak için tasarlanmış — yani hedefin HTML class adını product-name yerine product-title yaptığımda, düz bir selector 0 eşleşti; adaptif yeniden eşleme ise izlenen öğeyi yine de geri getirdi. Düz HTTP çıkarımında 12/12 statik ve JSON API üzerinde 8/8 başarı sağladı. Kendi dokümantasyonunun saklamadığı nokta şu: sentetik çok öğeli bir testte 3 öğenin 1’ini geri alabildi — bu, sağlam öğe takibi demektir, tam kurtarma değil; o yüzden zihninizde bunu olduğundan fazla büyütmeyin. Temel pip install scrapling kurulumunun çalışması için [fetchers] eklentisine de ihtiyaç var ve StealthyFetcher uyumluluk açısından bir uyarı işaretidir; sunum slaytına koyacağım bir özellik değil. Sürüm 0.4.10 (güncel sürüm), BSD-3-Clause, yaklaşık 68,7 bin yıldız.

Üç işin altındaki desen

Dokuz aracı yan yana koyunca net bir tablo ortaya çıkıyor. Tüm HTTP-öncelikli araçlar için tam statik geri çağırma — düz 12/12 — zaten temel beklenti; hiçbiri kolay senaryoda tökezlemediği için burada ayırıcı değil. Tarayıcı araçları ancak JavaScript gerçekten devreye girdiğinde ekstra ağırlıklarını hak ediyor; onun bedelini de kurulumda ödüyorlar: bir tarayıcı yığını, fazladan bir kurulum ya da tümden container filosu. “Built-in crawl queue” sütunu ise aslında bir çerçeve ile bir motor arasındaki sınırı çiziyor — Scrapy ve Crawlee orkestrasyon getiriyor; Playwright ve Puppeteer ise BFS’yi sizin yazmanızı bekliyor. Alanın şekli bu. Kimse toplamda kazanamıyor çünkü kimse aynı oyunu oynamıyor.

Peki gerçekte hangisini seçmelisiniz

Bench bir kazanan ilan etmiyor, çünkü doğru cevap bir araç değil; bir soru: bu üç işten hangisini yapıyorsunuz?

• LLM’ye hazır Markdown mı gerekiyor? Temiz makale metni arıyorsanız trafilatura; CSS extraction ve JavaScript render’ı tek bir kütüphanede istiyorsanız Crawl4AI; self-hosted bir servis istiyor ve hem AGPL-3.0 lisansını hem de altı container’lık ağırlığı kabul edebiliyorsanız Firecrawl.
• JavaScript render mı gerekiyor? Ham render için Playwright ya da Puppeteer — motor ve dil tercihine göre seçin, çünkü diğer açılardan berabere sayılırlar — ve tarama orkestrasyonunu da elinize vermesini istiyorsanız Crawlee.
• Statik sayfaları ya da tekrarlanabilir API’leri ölçekte taramak mı istiyorsunuz? Tam bir Python çerçevesi için Scrapy, tek binary içinde saf Go hızı için Colly ve markup değişiminden hayatta kalmak sizin düzenli acınızsa Scrapling.

Aracı işe göre eşleştirin; bu araçların hepsi makul tercihlere dönüşür. Yanlış kategoriden seçim yapın — statik sayfada tarayıcı aracı, JavaScript uygulamasında HTTP parser — internetteki en yüksek puanlı kütüphane bile sizi kurtaramaz.

Bunun yerine yönetilen bir AI API nerede devreye girer

Yukarıdaki araçların hepsi ücretsiz, açık kaynak ve sizin çalıştırmanız için hazır. Ancak bench’in tekrar tekrar gösterdiği ortak takas da bu: tarayıcı ortamından crawl koduna, anti-bot yarışından bakım yükünün tamamına kadar her şeyin sahibi siz oluyorsunuz. Pek çok ekip için bu kontrol tam da istenen şeydir; lisans haritası da burada önem kazanır — alanın çoğu permissive lisanslıdır (Crawl4AI, Crawlee, Playwright, Puppeteer ve Colly için Apache-2.0; Scrapy ve Scrapling için BSD-3), Firecrawl’ın AGPL-3.0 self-hosted çekirdeği ise ticari kullanım öncesinde ciddi inceleme gerektiren tek istisnadır.

Ama bench’in haritaladığı bir başka şey daha var: bu araçların yapmadıkları. Render etme, tarama, yapılandırma ve bloklar arasında dönüp durma — nadiren hepsini bir arada ve asla bakım gerektirmeden. Yönetilen bir AI scraping API, bu yığını tek bir çağrıya indirir. Thunderbit üzerindeki geliştirici yüzümüz bu konuda bir seçenektir; teknik kitle için önemli olan da tarayıcı eklentisi değil, API, MCP sunucusu ve CLI’dır. POST /distill temiz Markdown döndürür, POST /extract ise şeması tanımlı JSON verir; JavaScript render ve anti-bot işlemleri sizin makinenizde değil, sunucu tarafında ele alınır. Ajanlar ve kod asistanları için resmi bir MCP sunucusu da var — önce ücretsiz planlama için thunderbit_suggest_fields, ardından işi yapan thunderbit_distill (1 kredi) ve thunderbit_extract (20 kredi) — ayrıca terminal ve cron işleri için npx @thunderbit/thunderbit-cli ile kurabileceğiniz bir CLI. Teknik olmayan ekip üyeleri için bir de no-code Chrome uzantısı var; fiyatlandırma da bu iki kullanım biçimini kapsıyor.

Takas yine aynı noktaya çıkıyor: sizin yöneteceğiniz şekilde dokuz kütüphaneyi sıfır çağrı başı maliyetle çalıştırıp bakımını üstlenmek mi, yoksa altyapıyı devredip istek başına ödeme yapmak mı? İkisi de yanlış değil. Mesele, yığının ne kadarına gerçekten sahip olmak istediğiniz. Çıkarma işleminin pratikte nasıl göründüğünü izlemek isterseniz, Thunderbit YouTube kanalı bunu adım adım anlatıyor.

Sonuç

Tek bir “en iyi” açık kaynak scraper yok; size bunu güvenle söyleyen her liste, kararı aslında belirleyen soruyu sessizce gizliyordur: bu üç işten hangisini yapıyorsunuz? Bir sayfayı metne dönüştürmek, JavaScript render etmek ya da tarayıcı olmadan hızlı tarama yapmak — alan bu üç sepete temiz biçimde ayrılıyor ve her sepetin içinde seçim, evrensel bir şampiyondan çok dil ve kurulum ağırlığına bağlı.

Tüm bu yazıdan tek bir alışkanlık alacaksanız, şu olsun: bir şeye karar vermeden önce kendi sayfalarınızda test edin. Buradaki her sayı tam da bu nedenle benchmark deposunda yeniden üretilebilir durumda — çünkü genel listelerde birinci olan araç ile sizin gerçek hedeflerinizde ayakta kalan araç her zaman aynı olmayabiliyor.

Web Veri Çıkarma için Thunderbit’i Deneyin Get Started Free

Sıkça sorulan sorular

En iyi açık kaynak web scraper hangisi? Tek bir araç yok — işe bağlı. LLM’ye hazır metin için trafilatura ya da Crawl4AI; JavaScript render için Playwright, Puppeteer veya Crawlee; hızlı HTTP tarama için Scrapy veya Colly. Paylaşılan test bench’inde her araç kendi kategorisinde en güçlüydü ve kendi kategorisinin dışında belirgin biçimde zayıflıyordu; bu yüzden tek tip sıralamalar yanıltıcıdır.

Hangi açık kaynak scraper’lar JavaScript render eder? Crawl4AI, Firecrawl, Playwright, Puppeteer ve Crawlee’nin Playwright motoru JavaScript render eder. Scrapy, Colly, trafilatura ve Scrapling’in varsayılan HTTP fetcher’ı bunu yapmaz — ya sayfanın arkasındaki tekrarlanabilir API’ye ihtiyaç duyarlar (Scrapy’nin yaklaşımı; JSON uç noktasından 8/8 aldı) ya da ayrı bir tarayıcı moduna.

Bir siteyi taramak için headless browser gerekir mi? Yalnızca veri JavaScript çalıştıktan sonra ortaya çıkıyorsa. Düz bir HTTP isteği ve bir parser içeriğe ulaşabiliyorsa, tarayıcı pahalı bir gereksizliktir — bu durumda Scrapy, Colly ya da Scrapling çok daha hafif ve hızlı olur.

Ticari kullanım için hangisinin lisansı daha rahat? Çoğu permissive lisanslıdır: Apache-2.0 (Crawl4AI, Crawlee, Playwright, Puppeteer, Colly) veya BSD-3-Clause (Scrapy, Scrapling). İstisna, self-hosted çekirdeği AGPL-3.0 olan Firecrawl’dur; bunun üzerine ticari bir ürün inşa etmeden önce lisansı gerçekten incelemek gerekir.

Bu benchmark sayıları yeniden üretilebilir mi? Evet. Tüm runner’lar, fixture’lar ve ham sonuçlar herkese açık, MIT lisanslı bir depoda. Akılda tutulması gereken tek not şu: recall ve yapısal sonuçlar araçlar arasında karşılaştırılabilir; ancak mutlak karakter sayıları yalnızca araç içi sinyaldir, çünkü her paket tek bir kanonik kopyayı paylaşmak yerine fixture’ların kendi kopyasını yansıtır — bu yüzden ham karakter toplamlarını değil, oranları ve geçme/kalma sonuçlarını karşılaştırın.