用途:从会议网站的演讲者页面提取演讲者姓名、职位、公司和简介等信息。
主要能力:支持直接 HTML 抓取,按顺序尝试多种提取策略并取结果最多者:CSS 类名提示(speaker、presenter、faculty、panelist、team-member)、重复的 h2/h3 加 p 结构、JSON-LD 结构化数据、Sched.com/Sessionize 平台嵌入。对 JS 渲染较重的站点可切换到 Apify 模式,使用 apify/cheerio-scraper actor 抓取常见演讲者卡片选择器。输出字段包括 name、title、company、bio、linkedin_url、image_url、conference、source_url。
使用方式:唯一依赖为 pip install requests,直接模式无需 API key。基本命令:python3 skills/conference-speaker-scraper/scripts/scrape_speakers.py --url "https://example.com/speakers"。Apify 模式加 --mode apify,需提供 --token(或环境变量)。可用 --conference 指定会议名,否则从 URL 推断;--output 支持 json(默认)、csv、summary;--timeout 默认 300 秒,仅用于 Apify 运行。
适用场景:整理会议演讲者名单、生成 CSV 或摘要、为后续联系或分析准备数据。
限制:HTML 抓取在不同会议站点上较脆弱,多策略可提高覆盖率,但 JS 渲染较重的站点需用 Apify 模式;直接抓取返回 0 条结果时可尝试 --mode apify。直接模式免费,Apify 模式消耗少量 Apify 积分。其他收费、平台或效果细节暂未提供。