显示 HN：Draco - 一个可自托管的单二进制 Firecrawl 替代品，使用 Rust 开发

一个快速、隐蔽的、原生 Rust 网页抓取器 - Firecrawl / Browserbase 的更轻替代方案。将其指向一个 URL，返回干净的 Markdown + 元数据，使用与浏览器一致的 TLS/JA4 指纹访问阻止普通客户端的网站。无需 Node，无需无头 Chrome 实例，无需每次请求启动浏览器。安装 Draco 的最快方式是在 Linux 或 macOS 上使用安装脚本：curl -fsSL https://raw.githubusercontent.com/0xchasercat/draco/main/install.sh | sh （这将自动检测你的操作系统/架构，下载最新的二进制文件，并将其添加到你的 ~/.zshrc 、 ~/.bashrc 或 ~/.config/fish/config.fish 中）然后尝试抓取一个页面：draco scrape https://example.com # → 将干净的 Markdown 输出到标准输出对于标准 HTML 页面，这是一次单指纹获取 + 解析 - 通常约 ~300 毫秒，无需浏览器 - Markdown 管道与 Firecrawl 的类似（确定性主内容提取 + 一个 Turndown/GFM 等价转换器），在 Rust 中原生实现。客户端渲染的单页应用（只有在 JavaScript 运行后内容才会出现）也得到处理，通过 render-then-Markdown - 无需无头浏览器实例。你将获得 Markdown - 页面的主要内容以干净的 Markdown 形式显示：标题、链接（绝对化）、列表、引用、围栏代码块（带语言）和 GFM 表格。样板（导航/页眉/侧边栏/页脚/广告）被剥离，脚本和样式不会泄露，base64 图片会被省略。元数据 - 标题、描述、语言、规范链接、图标、每个 og:* / twitter:* / article:* 标签，以及 sourceURL、statusCode、contentType。跟踪 + 时间 - 精确的步骤运行情况和毫秒去向。安装/构建 git clone https://github.com/0xchasercat/draco && cd draco cargo build --release 构建前提条件（对于 wreq 的 BoringSSL + bindgen，以及 V8，仅适用于可选的 json 模式）：cmake、一种 C/C++ 编译器、clang / libclang、perl、pkg-config。Debian/Ubuntu：apt install build-essential cmake clang libclang-dev perl pkg-config Fedora：dnf install gcc gcc-c++ cmake clang clang-devel llvm-devel perl pkgconf macOS：Xcode 命令行工具 + brew install cmake 用法 # 默认：URL → Markdown 输出到标准输出（适合管道） draco scrape https://example.com > page.md # 完整信封（markdown + 元数据 + 跟踪）作为 JSON draco scrape https://example.com --json --pretty # 隐蔽 + 礼貌 draco scrape https://example.com --proxy socks5://127.0.0.1:9050 --delay 500 退出代码： 0 成功 · 1 错误 · 2 不支持 · 3 需要浏览器。可选：JSON-API 提取（ --format json ）除了 Markdown，Draco 可以从其自己的 API 提取单页应用加载的结构化数据 - 这是一个强大的功能，适用于数据驱动的网站。它通过生成数据的最低层次进行升级：静态嵌入状态 - __NEXT_DATA__，JSON-LD，window.__NUXT__。Next.js build-id 重放 - 直接获取 /_next/data/<buildId>/….json。运行时拦截 - 启动一个进程内的 V8 isolate（从构建时 DOM 引擎快照中恢复，在单数毫秒内，JIT 开），让页面的 JavaScript 水合，拦截其数据所触发的 fetch / XHR，给拦截排名，并用隐蔽客户端重放赢家。这个 isolate 是发现神谕，不是渲染器 - 数据请求通过合成存根回答，页面 JavaScript 没有主机绑定：它无法执行 I/O。 draco scrape https://app.example.com --format json --pretty # data[] draco scrape https://app.example.com --format json --extract ' $.props.pageProps ' draco scrape https://app.example.com --format both # markdown + 数据标志： --format <markdown|html|raw-html|links|json|endpoints|both>（可重复；默认 markdown；both = markdown + json）， --json ， --extract <JSONPATH> ， --no-main-content ， --wait-for <ms> ， --tier-max <0|1|2> ， --proxy ， --delay <ms> ， --timeout <ms> ， --capture-window-ms <ms> ， --ignore-robots ， --allow-unsafe-replay ， --runtime-log ， --pretty。（ --no-jail / --strict-sandbox 仍然接受以保持兼容，且无效 - 见安全模型。）调试一个水合为空的页面？ --runtime-log（在 discover 上也有，并作为 runtimeLog 在守护进程/MCP 上）显示 isolate 的页面侧诊断 - 已吞噬的异常、console.error 行、每个调解的抓取（ [raze.fetch] METHOD URL → STATUS (bytes, live|stub)）、失败的块/模块加载，以及捕获窗口关闭的原因/时间 - 所有时间戳 [+ms] 从捕获开始，这样跟踪就呈现为时间轴：浏览器开发工具的可见性，而无需浏览器。客户端渲染的单页应用 → Markdown（render-then-Markdown）一些页面在 JavaScript 运行后才渲染其内容 - 抓取的 HTML 只是一个薄壳（一个空的 <div id="root">）。Draco 自动处理这些：当初始解析发现几乎没有内容且允许 Tier 2（默认）时，它在同一进程内的 V8 isolate 中水合外壳，序列化实时 DOM，拼接外壳的真实 <head>（标题/Open Graph/规范链接）到水合的 <body> 上，并对其重新运行完全相同的内容引擎。你将获得来自客户端渲染的