掌握 n8n 網頁爬蟲：自動化工作流程實戰

幾個月前，我們有位使用者傳來一張 n8n 工作流程的截圖，裡面有 14 個節點、半打便利貼，主旨只有兩個字：「救命」。他照著一篇很熱門的 n8n 網頁爬蟲教學做，先在測試網站上跑出漂亮的 10 行示範資料，接著想把 200 個商品頁面的競品價格真正抓下來。結果呢？分頁迴圈壞掉、403 錯誤滿版，還有排程器在第一個星期二之後就悄悄不再觸發。

這道落差——從 demo 到正式管線——正是大多數 n8n 爬蟲專案的翻車點。我花了好幾年打造 並投入自動化領域，老實說：真正困難的通常不是「抓取」本身，而是第一次成功抓取之後的所有事情。分頁、排程、反機器人防護、資料清理、匯出，還有最麻煩的——網站版面第三次改版時的維護成本。這篇指南會帶你走完整條流程，從第一個 HTTP Request 節點開始，一路到可週期執行、可上線的 n8n 網頁爬蟲工作流程。當 n8n 的 DIY 做法碰到瓶頸時，我也會告訴你像 Thunderbit 這類 AI 工具，在哪些地方能幫你省下好幾個小時，甚至好幾天的挫折。

什麼是 n8n 網頁爬蟲（以及為什麼多數教學只講到皮毛）

n8n 是一個開源、低程式碼的工作流程自動化平台。你可以把它想像成一塊視覺化畫布，透過連接各種「節點」來完成特定任務——抓網頁、解析 HTML、發送 Slack 訊息、寫入 Google Sheets——再把這些節點串成自動化流程。不需要重度寫程式，但如果需要，也可以直接插入 JavaScript。

所謂「n8n 網頁爬蟲」，就是利用 n8n 內建的 HTTP Request 和 HTML 節點（以及社群節點），在這些自動化流程中抓取、解析與處理網站資料。核心其實只有兩步：抓取（HTTP Request 節點從網址取得原始 HTML）與 解析（HTML 節點用 CSS 選擇器把你要的資料點撈出來，例如商品名稱、價格、Email 等）。

這個平台的規模相當驚人：截至 2026 年 4 月，n8n 擁有 、超過 23 萬名活躍使用者、9,166+ 個社群工作流程範本，而且幾乎每週都會釋出一個小版本更新。它也在 2025 年 3 月完成了 。動能非常強。

但有個大家很少提到的落差。dev.to 上最受歡迎的 n8n 爬蟲教學之一（由 Lakshay Nasa 撰寫，發布在「Extract by Zyte」組織名下）曾在「Part 2」承諾會講分頁。Part 2 的確來了——而作者自己的結論是：「N8N 在 HTTP Request 節點的 Options 裡提供了預設的 Pagination Mode，雖然聽起來很方便，但依我經驗，它在一般網頁爬取情境下並不可靠。」 最後作者還是改用付費第三方 API 來處理分頁。與此同時，n8n 論壇使用者仍不斷把「分頁、限流、登入」列為 n8n 爬蟲「很容易變複雜」的轉折點。這篇指南就是為了補上那個缺口。

為什麼 n8n 網頁爬蟲對業務、營運與電商團隊很重要

n8n 網頁爬蟲不只是工程師的興趣專案，它是商業工具。全球 在 2025 年約為 10 億到 13 億美元，預計到 2030 年將成長到 20 億到 23 億美元。單就動態定價而言，約有 已經在使用；而 現在仰賴替代數據，其中很多都來自網頁爬取。麥肯錫也指出，採用動態定價的企業可帶來 。

n8n 真正強的地方，不只是把資料抓回來，而是抓回來之後要做什麼。n8n 可以把爬取和下游動作串在一起——CRM 更新、Slack 通知、試算表匯出、AI 分析——全部放在同一個工作流程中完成。

數據也證明 ROI 很真實： 計畫在 2025 年增加 AI 投資，而自動化名單培育在 9 個月內可讓 。如果你的團隊還在手動把網站資料複製貼到試算表，那你其實正在把錢留在桌上。

你的 n8n 網頁爬蟲工具箱：核心節點與可用方案

在開始之前，你得先知道工具箱裡有什麼。以下是網頁爬蟲最常用的 n8n 節點：

• HTTP Request 節點：從任何網址取得原始 HTML。就像瀏覽器送出頁面請求，但回傳的是程式碼而不是渲染後的畫面。支援 GET/POST、標頭、批次處理，理論上也支援內建分頁。
• HTML 節點（前身為「HTML Extract」）：透過 CSS 選擇器解析 HTML，擷取你需要的特定資料——標題、價格、連結、圖片等等。
• Code 節點：可寫 JavaScript 片段來做資料清理、網址正規化、去重與自訂邏輯。
• Edit Fields（Set）節點：重新整理或重新命名欄位，方便下游節點使用。
• Split Out 節點：把陣列拆成單筆項目逐一處理。
• Convert to File 節點：將結構化資料匯出為 CSV、JSON 等格式。
• Loop Over Items 節點：逐項迭代清單內容（分頁時很關鍵，下面會詳細說）。
• Schedule Trigger：依照 cron 排程觸發工作流程。
• Error Trigger：當流程失敗時發出通知（正式環境必備）。

如果是進階爬取——像是需要 JavaScript 渲染或有強烈反機器人防護的網站——你就需要社群節點：

截至 v2.15.1，n8n 沒有原生的 headless browser 節點。任何需要 JS 渲染的爬取，都必須透過社群節點或外部 API 來完成。

順帶一提 Thunderbit：它是我們團隊打造的 AI 驅動 。你只要點一下「AI Suggest Fields」，再點「Scrape」，就能拿到結構化資料——不需要 CSS 選擇器、不需要節點設定，也不需要後續維護。我會在這篇指南中一路告訴你它適合放在哪裡，以及 n8n 又在哪些情境更適合。

逐步實作：打造你的第一個 n8n 網頁爬蟲工作流程

工具箱介紹完了，接下來就從零開始做一個可運作的 n8n 網頁爬蟲。我會用商品列表頁當範例——這正是價格監控或競品研究最常抓的內容。

開始前先確認：

• 難度： 初階–中階
• 所需時間： 約 20–30 分鐘
• 你需要準備： n8n（自架或 Cloud）、目標網址、Chrome 瀏覽器（用來找 CSS 選擇器）

第 1 步：建立新工作流程並加入手動觸發

打開 n8n，點選「New Workflow」，然後取一個清楚的名稱，例如「Competitor Price Scraper」。拖入一個 Manual Trigger 節點。（之後我們會換成排程觸發。）

你應該會在畫布上看到一個單獨的節點，準備在你點「Test Workflow」時執行。

第 2 步：用 HTTP Request 節點抓取頁面

新增一個 HTTP Request 節點，並連到 Manual Trigger。將方法設為 GET，並輸入你的目標網址（例如 https://example.com/products）。

接下來是多數教學會跳過、但其實最關鍵的一步：加入看起來像真人瀏覽器的 User-Agent 標頭。 預設情況下，n8n 會送出 axios/xx 當作 user agent——這一看就是機器人。請在「Headers」底下加入：

如果你要抓多個網址，請在 Options 中啟用 Batching，並將每次請求之間的等待時間設為 1–3 秒。這有助於避免觸發速率限制。

執行節點後，你應該會在輸出面板看到原始 HTML。

第 3 步：用 HTML 節點解析資料

將一個 HTML 節點連到 HTTP Request 的輸出。將操作設為 Extract HTML Content。

要找出正確的 CSS 選擇器，請在 Chrome 中打開目標頁面，對你要抓的資料（例如商品標題）按右鍵，選擇「Inspect」。在 Elements 面板中，對反白的 HTML 元素按右鍵，選擇「Copy → Copy selector」。

你可以像這樣設定擷取欄位：

執行節點後，你應該會在輸出中看到結構化資料表——商品名稱、價格與網址。

第 4 步：用 Code 節點清理與正規化資料

原始爬回來的資料通常很亂。價格可能帶有多餘空白、網址可能是相對路徑，文字欄位也可能有尾端換行。新增一個 Code 節點並連到 HTML 節點。

以下是一段簡單的 JavaScript，可用來整理資料：

1return items.map(item => {
2  const d = item.json;
3  return {
4    json: {
5      product_name: (d.product_name || '').trim(),
6      price: parseFloat((d.price || '').replace(/[^0-9.]/g, '')),
7      url: d.url && d.url.startsWith('http') ? d.url : `https://example.com${d.url}`
8    }
9  };
10});

這一步對正式可用的資料非常重要。省略它的話，你的試算表很快就會充滿像 "$ 29.99\n" 這種欄位。

第 5 步：匯出到 Google Sheets、Airtable 或 CSV

連接一個 Google Sheets 節點（或 Airtable，或使用 Convert to File 匯出 CSV）。完成 Google 帳號授權，選擇你的試算表與工作表，然後把 Code 節點的輸出欄位對應到你的欄位標題。

執行整個流程後，你應該就能把乾淨、結構化的資料寫進試算表。

補充說明：，可直接輸出到 Google Sheets、Airtable、Notion 和 Excel，而且不用設定任何節點。如果你不需要完整的工作流程，只想拿到資料，這會是很方便的捷徑。

每篇 n8n 網頁爬蟲教學都會跳過的關鍵：完整分頁工作流程

分頁是 n8n 爬蟲內容中最大的缺口，也是 n8n 社群論壇中最常見的痛點。

分頁主要有兩種模式：

1. 點擊式／網址遞增分頁 —— 像 ?page=1、?page=2 這種頁面。
2. 無限捲動 —— 內容會在你往下捲時持續載入（像 Twitter、Instagram，或多數現代商品目錄）。

n8n 中的點擊式分頁（透過 Loop 節點做網址遞增）

HTTP Request 節點 Options 裡的內建 Pagination 選項看起來很方便，但實務上並不穩定。前面提到的熱門 n8n 教學作者 Lakshay Nasa 也試過，並寫下：「依我經驗，它並不可靠。」論壇使用者也回報它會 、 與無法偵測最後一頁。

比較穩的做法是：先在 Code 節點明確建立網址清單，再用 Loop Over Items 逐一處理。

做法如下：

1. 新增 Code 節點 產生頁面網址：

1const base = 'https://example.com/products';
2const totalPages = 10; // 或動態偵測
3return Array.from({length: totalPages}, (_, i) => ({
4  json: { url: `${base}?page=${i + 1}` }
5}));

2. 連接 Loop Over Items 節點 來逐一迭代清單。
3. 在迴圈內 加入 HTTP Request 節點（將 URL 設為 {{ $json.url }}），接著再接 HTML 節點做解析。
4. 在迴圈內加入 Wait 節點（1–3 秒、最好隨機化），避免 429 限流。
5. 迴圈結束後，彙整結果並匯出到 Google Sheets 或 CSV。

完整鏈路會是：Code（建立網址） → Loop Over Items → HTTP Request → HTML → Wait →（回到迴圈）→ Aggregate → Export。

要注意的一點是：Loop Over Items 節點有一個 ，在巢狀迴圈時可能會靜默跳過部分項目。如果你同時在做分頁與子頁面補充，務必要仔細測試——「done」數量不一定會和輸入數量一致。

無限捲動分頁：為什麼 n8n 內建節點會卡住

無限捲動頁面會在你捲動時透過 JavaScript 載入內容。HTTP Request 節點只會抓到初始 HTML，無法執行 JavaScript，也不能觸發捲動事件。你有兩種選擇：

• 使用 headless browser 社群節點（例如 或 ）來渲染頁面並模擬捲動。
• 使用爬取 API（ScrapeNinja、Firecrawl、ZenRows），並啟用 JS 渲染。

這兩種方式都會大幅增加複雜度。每個網站的設定時間大約要 30–60 分鐘以上，之後還得持續維護。

Thunderbit 如何不需要設定就處理分頁

雖然我有偏好，但兩者差異非常明顯：

如果你要抓的是 10 個分頁列表裡共 200 個商品頁，n8n 可能會花掉你整個下午；Thunderbit 大約兩分鐘就能搞定。這不是在貶低 n8n，只是工具不同、適合的工作也不同。

設定一次、持續運作：以 cron 觸發的 n8n 網頁爬蟲管線

一次性爬取很有用，但 n8n 網頁爬蟲真正強的地方，是可重複、可自動化的資料蒐集。令人意外的是，幾乎沒有 n8n 爬蟲教學會介紹用 Schedule Trigger 來做爬取——明明這是社群最常提出的需求之一。

建立每日價格監控管線

把 Manual Trigger 換成 Schedule Trigger 節點。你可以用 n8n 的 UI（例如「Every day at 8:00 AM」），也可以直接輸入 cron 表達式（0 8 * * *）。

完整工作流程如下：

1. Schedule Trigger（每天早上 8 點）
2. Code 節點（產生分頁網址）
3. Loop Over Items → HTTP Request → HTML → Wait（抓取所有頁面）
4. Code 節點（清理資料、正規化價格）
5. Google Sheets（新增列）
6. IF 節點（是否有價格低於門檻？）
7. Slack（若有則發送警報）

旁邊再接一個 Error Trigger 工作流程，一旦任一執行失敗就觸發並通知 Slack。否則當選擇器壞掉時（它們真的會壞），你可能三週後才發現報表整片空白。

兩個不太直觀但很重要的要求：

• n8n 必須 24/7 持續運行。 如果你把自架版放在筆電上，蓋上螢幕後排程就不會觸發。請使用伺服器、Docker 或 n8n Cloud。
• 每次修改工作流程後，都要把工作流程關掉再重新打開。 n8n Cloud 有一個 ，就是排程器在修改後會默默解除註冊，而且不會給任何錯誤回饋。

建立每週名單擷取管線

模式一樣，只是目標不同：Schedule Trigger（每週一上午 9 點）→ HTTP Request（商業名錄）→ HTML（擷取姓名、電話、Email）→ Code（去重、清理格式）→ 推送到 Airtable 或 HubSpot。

真正被低估的成本，是維護負擔。如果名錄網站改版，你的 CSS 選擇器就會失效，工作流程也可能靜默失敗。HasData 估算，任何以選擇器為基礎的管線，每年都應預留 的初始建置時間作為持續維護成本。一旦你要維護大約 20 個網站，這個開銷就非常真實。

Thunderbit 的 Scheduled Scraper：免程式碼替代方案

Thunderbit 的 Scheduled Scraper 讓你可以用自然語言描述排程（例如「每週一上午 9 點」）、輸入網址，然後按下「Schedule」。它在雲端執行——不用主機、不用 cron 表達式、也不會悄悄失效。

最後一列最重要。論壇使用者講得很直接：「大多數都沒問題，直到網站改了版面。」 Thunderbit 的 AI 方法能消除這個痛點，因為它不依賴固定的 CSS 選擇器。

當你的 n8n 網頁爬蟲被擋下來：反機器人除錯指南

被封鎖是分頁之後的第一大痛點。最常見的建議——「加 User-Agent 標頭」——其實就像拿紗門去擋颶風。

根據 Imperva 2025 Bad Bot 報告，現在 ，其中 是惡意流量。反機器人服務商（Cloudflare、Akamai、DataDome、HUMAN、PerimeterX）因此採用了 TLS 指紋辨識、JavaScript 驗證與行為分析。n8n 的 HTTP Request 節點底層使用 Axios，產生的 TLS 指紋非常明顯，一看就不像瀏覽器。只改 User-Agent 標頭根本沒用——在任何 HTTP 標頭被讀取之前， 就已經把你暴露了。

反機器人決策樹

以下是一個系統化的除錯框架，不只是「加 User-Agent」而已：

請求被擋下來？

• 403 Forbidden → 加入 User-Agent + Accept 標頭（見上方第 2 步）→ 還是被擋？
  • 是 → 加入住宅代理輪替 → 還是被擋？
    • 是 → 改用爬取 API（ScrapeNinja、Firecrawl、ZenRows）或 headless browser 社群節點
    • 否 → 繼續
  • 否 → 繼續
• 出現 CAPTCHA → 使用內建 CAPTCHA 解決的爬取 API（例如 ）
• 回應空白（JS 渲染內容） → 使用 headless browser 社群節點或支援 JS 渲染的爬取 API
• 速率限制（429 error） → 在 HTTP Request 節點啟用 batching、將批次間等待時間設為 2–5 秒、降低並行數

還有一個坑：n8n 有一個 ，會讓 HTTP Request 節點無法正確透過 HTTP proxy 建立 HTTPS 隧道。即使同一個容器裡的 curl 沒問題，Axios 在 TLS handshake 時還是可能失敗。如果你有使用代理卻遇到神祕連線錯誤，通常就是這個原因。

為什麼 Thunderbit 能避開大多數反機器人問題

Thunderbit 提供兩種爬取模式：

• Browser Scraping：直接在你真正的 Chrome 瀏覽器裡執行，會沿用你的工作階段 Cookie、登入狀態與瀏覽器指紋。這能避開多數會攔截伺服器端請求的反機器人措施——因為請求本身就是一個真正的瀏覽器。
• Cloud Scraping：針對公開網站，Thunderbit 的雲端可大規模處理反機器人問題——一次 。

如果你花在跟 Cloudflare 對抗的時間比分析資料還多，那這就是更務實的替代方案。

老實說：n8n 網頁爬蟲什麼時候適合，什麼時候該換工具

n8n 是個很棒的平台，但不是每種爬蟲工作都適合它，而且很少有競品文章會誠實地講這件事。大家甚至直接在論壇問：「用 n8n 建網頁爬蟲有多難？」、「哪種爬蟲工具和 n8n 最搭？」

n8n 網頁爬蟲最擅長的場景

• 多步驟工作流程，需要把爬取與下游處理串起來——CRM 更新、Slack 警報、AI 分析、資料庫寫入。這就是 n8n 的核心強項。
• 爬取只是更大自動化鏈中的一個節點——抓取 → 增補 → 過濾 → 推送到 CRM。
• 熟悉 CSS 選擇器與節點邏輯的技術使用者。
• 需要在爬取與儲存之間做自訂資料轉換的情境。

n8n 網頁爬蟲最痛苦的場景

• 非技術使用者只想快速拿到資料。節點設定、CSS 選擇器找法與除錯流程，對商務使用者來說門檻很高。
• 反機器人防護很重的網站。 代理與 API 附加服務會增加成本與複雜度。
• 網站版面變動時的維護。 CSS 選擇器一壞，流程就可能靜默失敗。
• 跨很多不同類型網站的大量爬取。 每個網站都得單獨設定選擇器。
• 子頁面補充資料。 需要在 n8n 裡另外建立子流程。

並排比較：n8n vs. Thunderbit vs. Python 腳本

結論是：當爬取只是複雜、多步驟自動化鏈中的一環時，用 n8n。 當你想快速拿到資料、不想自己搭工作流程時，用 Thunderbit。當你需要最大控制權，而且手上有開發資源時，用 Python。它們不是彼此取代，而是互補。

你真的可以直接套用的 n8n 網頁爬蟲實戰流程

論壇使用者一直在問：「有人把這些串成多步驟工作流程嗎？」 下面這三個具體流程——都是你今天就能做出來的實際節點順序。

工作流程 1：電商競品價格監控

目標： 每天追蹤競品價格，並在降價時通知你。

節點鏈： Schedule Trigger（每日，早上 8 點）→ Code（產生分頁網址）→ Loop Over Items → HTTP Request → HTML（擷取商品名稱、價格、庫存）→ Wait（2 秒）→（回到迴圈）→ Code（清理資料、正規化價格）→ Google Sheets（新增列）→ IF（價格是否低於門檻？）→ Slack（發送通知）

複雜度： 8–10 個節點，每個競品網站設定約 30–60 分鐘。

Thunderbit 快速方案： Thunderbit 的 Scheduled Scraper + 可以在幾分鐘內做到相近結果，並可免費匯出到 Google Sheets。

工作流程 2：銷售名單蒐集管線

目標： 每週抓取商業名錄、清理並分類名單，再推送到 CRM。

節點鏈： Schedule Trigger（每週一上午 9 點）→ HTTP Request（名錄列表頁）→ HTML（擷取姓名、電話、Email、地址）→ Code（去重、清理格式）→ OpenAI/Gemini 節點（依產業分類）→ HubSpot 節點（建立聯絡人）

備註： n8n 有原生的 ——推送到 CRM 很方便。但爬取與清理步驟仍然需要手動處理 CSS 選擇器。

Thunderbit 快速方案： Thunderbit 的免費 和電話號碼提取器，只要點一下就能抓聯絡資訊，不必搭工作流程。它的 AI 標記也能在擷取時直接分類名單。若你不需要完整自動化鏈，可以完全跳過 n8n 設定。

工作流程 3：房地產新案追蹤器

目標： 每週找出 Zillow 或 Realtor.com 上的新物件，並寄送摘要信。

節點鏈： Schedule Trigger（每週）→ HTTP Request（列表頁）→ HTML（擷取地址、價格、房數、連結）→ Code（清理資料）→ Google Sheets（新增）→ Code（與上週資料比對，標記新案）→ IF（有新案嗎？）→ Gmail/SendGrid（寄送摘要）

備註： Thunderbit 針對像 Zillow 這類網站有 ——不需要 CSS 選擇器。若你需要完整自動化鏈（抓取 → 比對 → 通知），n8n 很適合；若你只要資料本身，Thunderbit 會更方便。

如果你想找更多流程靈感，n8n 社群資料庫裡有 、，以及 的範本。

讓你的 n8n 網頁爬蟲流程穩定運行的小技巧

正式爬取的工作量，20% 在建立，80% 在維護。

使用批次與延遲來避免速率限制

在 HTTP Request 節點中啟用 batching，並將每批次之間的等待時間設為 1–3 秒。並行請求是最快被封 IP 的方法。這裡多一點耐心，之後就少很多痛苦。

監控工作流程執行，避免靜默失敗

使用 n8n 的 Executions 分頁檢查失敗執行。有時候網站版面改掉後，爬回來的資料可能是空的，但流程本身卻顯示成功——你的試算表只會滿是空白。

請建立一個 Error Trigger 工作流程，在任何失敗執行時發送 Slack 或 Email 通知。這在正式管線裡是不能妥協的。

把 CSS 選擇器外部化，方便更新

把 CSS 選擇器放在 Google Sheet 或 n8n 環境變數裡，這樣更新時不用直接修改工作流程本身。當網站版面改變時，你只需要在一個地方更新選擇器即可。

知道何時該改用 AI 爬蟲

如果你發現自己一直在更新 CSS 選擇器、跟反機器人機制纏鬥，或花在維護爬蟲的時間比使用資料還多，那就該考慮像 這樣的 AI 工具。它每次都會重新讀取網站並自動適應。 的做法其實很好用：Thunderbit 負責脆弱的擷取層（也就是每次網站更新一個 <div> 就容易壞掉的那部分），匯出到 Google Sheets 或 Airtable；接著 n8n 透過原生的 Sheets/Airtable 觸發器接手新列，負責後續編排——CRM 更新、警報、條件邏輯、多系統分流。

收尾：打造真正符合你團隊需求的資料管線

當你需要把爬取當成更大自動化流程中的一步時，n8n 網頁爬蟲非常強大。但它也需要技術設定、持續維護，以及在分頁、反機器人與排程設定上投入耐心。這篇指南已經帶你看完整條流程：第一個工作流程、每篇教學都跳過的分頁、排程、反機器人除錯、n8n 的適用範圍，以及可直接複製的實戰工作流程。

我會這樣看：

• 用 n8n：當爬取只是複雜、多步驟自動化鏈的一部分——CRM 更新、Slack 警報、AI 增補、條件路由。
• 用 ：當你需要快速拿到資料，不想自己搭工作流程——AI 會自動處理欄位建議、分頁、反機器人與匯出，而且只要 2 次點擊。
• 用 Python：當你需要最大控制權，而且手上有開發資源。

說實話，很多團隊最好的做法其實是兩者並用：Thunderbit 負責擷取，n8n 負責編排。如果你想看看 AI 爬取和你的 n8n 工作流程差在哪裡， 可以讓你先小規模試用，而 幾秒內就能安裝完成。若你想看影片教學和流程靈感，可以到 看看。

常見問題

n8n 可以抓取大量 JavaScript 的網站嗎？

單靠內建的 HTTP Request 節點不行。HTTP Request 節點只會抓原始 HTML，無法執行 JavaScript。若是 JS 渲染網站，你需要像 這類社群節點，或是支援伺服器端 JS 渲染的爬取 API 整合（ScrapeNinja、Firecrawl）。Thunderbit 的 Browser 與 Cloud 爬取模式都能原生處理大量 JS 的網站。

n8n 網頁爬蟲是免費的嗎？

n8n 的自架版本是免費且開源的。n8n Cloud 以前有免費方案，但截至 2026 年 4 月，目前只有 14 天試用；之後方案從每月 24 美元、2,500 次執行起跳。若要抓受保護網站，還可能需要付費代理服務（住宅代理約每 GB 5–15 美元）或爬取 API（依流量而定，每月約 49–200+ 美元）。

n8n 網頁爬蟲和 Thunderbit 怎麼比較？

n8n 更適合多步驟自動化，當爬取只是較大流程的一部分時，例如「抓取 → 增補 → 過濾 → 推送到 CRM → Slack 通知」。Thunderbit 更適合快速、免程式碼的資料擷取，具備 AI 欄位偵測、自動分頁，以及網站改版時幾乎零維護的優勢。很多團隊會兩者一起用——Thunderbit 負責擷取，n8n 負責編排。

如果需要登入才能看資料，可以用 n8n 抓嗎？

可以，但你需要在 HTTP Request 節點中設定 cookies 或 session token，維護起來比較麻煩。Thunderbit 的 Browser Scraping 模式會自動沿用使用者已登入的 Chrome 工作階段——只要你看得到，它通常就抓得到。

如果我的 n8n 爬蟲突然不再回傳資料，該怎麼辦？

先去 n8n 的 Executions 分頁檢查錯誤。最常見的原因是網站版面變了，導致 CSS 選擇器失效——流程顯示成功，但欄位卻空白。請用 Chrome 的 Inspect 工具確認選擇器，更新到你的工作流程（或外部的選擇器表）後重新測試。如果是反機器人封鎖，請照這篇指南的除錯決策樹逐步排查。若你需要長期穩定性，可以考慮像 Thunderbit 這種能自動適應版面變化的 AI 爬蟲。

延伸閱讀