Website Email Scraper Apify 技能

概述

该技能可帮助 AI 智能体运行 Apify 的 Website Email Scraper & Phone Finder Actor，从域名和网址中提取公开网站的联系信息（邮箱与电话）。

默认 Actor：

• Actor ID：kWfD7C0WpHtIt8VAh
• Actor 名称：x_guru/website-email-phone-finder
• 商店页面：https://apify.com/x_guru/website-email-phone-finder
• 控制台源码：https://console.apify.com/actors/kWfD7C0WpHtIt8VAh/source

当用户提出以下请求时，请使用此技能：

• 从网站域名中抓取公开的企业邮箱
• 从公司官网、落地页、联系页或域名列表中查找邮箱
• 用邮箱、电话、社交资料链接、来源 URL 及爬取诊断信息丰富线索列表
• 处理来自 Google Maps、CRM 系统、电子表格、目录、搜索结果、Apollo 风格线索列表或代理机构外呼工作流中的域名
• 仅返回包含邮箱的网站、仅返回包含任意联系方式的网站，或返回所有已扫描的网站
• 通过 maxTotalChargeUsd 控制 Apify 费用支出
• 将联系人数据行导出至 Sheets、Airtable、n8n、CRM、BI 工具、CSV、JSON 或智能体工作流

快速工作流

1. 明确用户提交的域名或网站 URL，以及期望保存的结果数量。
2. 默认使用 resultMode: "emailsOnly" 提取邮箱线索。
3. 当电话号码或社交资料（即使无邮箱）也有价值时，使用 contactsOnly。
4. 仅当用户需要对每个提交的网站进行诊断时，才使用 allWebsites。
5. maxPagesPerWebsite 默认设为 3 以实现快速运行；若联系方式很可能出现在团队页、员工页、法律声明页、版权页或联系页上，则设为 5–10。
6. 如需排除类人邮箱（person-like emails）或个人 LinkedIn 资料链接，请设置 includePersonalData=false。
7. 若费用敏感，请使用 Apify 的 maxTotalChargeUsd 设置预算防护机制。
8. 运行 scripts/website_email_scraper_actor.py 脚本，或直接调用 Apify API。
9. 返回简洁的统计指标与网站联系人数据行。若返回数量低于预期，请检查 RUN_SUMMARY 中的诊断信息。

载荷规则

• 使用 domains 字段传入纯域名或完整网站 URL。
• urls 和 startUrls 字段可由执行器自动规范化为 domains，便于智能体调用。
• maxResults 表示最多保存的数据集行数。
• resultMode 必须为 emailsOnly、contactsOnly 或 allWebsites 之一。
• maxPagesPerWebsite 取值范围为 1–25；默认值为 3。
• concurrency 取值范围为 1–500；默认值为 100。
• requestTimeoutSecs 取值范围为 2–30；默认值为 5。
• extractPhones、extractSocials、includePersonalData 和 sameDomainOnly 均为布尔类型。
• 请勿向该仅限网站的 Actor 发送 Google Maps 搜索字段，例如 searchStringsArray、placeIds、locationQuery 或评论相关字段。
• maxTotalChargeUsd 应作为 Apify 运行选项传入，而非嵌入 Actor 输入中；所附脚本将其暴露为命令行参数 --budget-usd。

认证

使用环境变量中的 Apify API Token：

export APIFY_TOKEN='apify_api_xxx'

切勿在面向用户的输出中硬编码或打印完整的 Token。

脚本使用方法

所附脚本仅依赖 Python 标准库。

快速执行域名邮箱抓取：

APIFY_TOKEN='apify_api_xxx' 
python3 scripts/website_email_scraper_actor.py quick-domains 
  --domains example.com apify.com 
  --max-results 50 
  --budget-usd 1

启用更深度的联系页发现能力运行：

APIFY_TOKEN='apify_api_xxx' 
python3 scripts/website_email_scraper_actor.py quick-domains 
  --domains centralrestaurante.com alchemist.dk caitlinmcweeney.com 
  --max-results 100 
  --max-pages 5 
  --result-mode emailsOnly 
  --budget-usd 1

运行自定义 JSON 输入：

APIFY_TOKEN='apify_api_xxx' 
python3 scripts/website_email_scraper_actor.py run 
  --input-file references/sample_input.json 
  --budget-usd 1

推荐输入示例

仅提取公开邮箱线索

{
  "domains": ["centralrestaurante.com", "alchemist.dk", "caitlinmcweeney.com"],
  "maxResults": 1000,
  "resultMode": "emailsOnly",
  "maxPagesPerWebsite": 3,
  "concurrency": 100,
  "requestTimeoutSecs": 5,
  "extractPhones": true,
  "extractSocials": true,
  "includePersonalData": true,
  "sameDomainOnly": true
}

仅提取公司官方收件箱（排除个人邮箱）

{
  "domains": ["example.com", "https://example.com/contact"],
  "maxResults": 500,
  "resultMode": "emailsOnly",
  "includePersonalData": false,
  "extractPhones": true,
  "extractSocials": true
}

为每个含任意公开联系方式的网站返回联系记录

{
  "domains": ["example.com", "apify.com"],
  "maxResults": 100,
  "resultMode": "contactsOnly",
  "maxPagesPerWebsite": 5
}

输出契约

执行器返回 JSON 格式响应：

• ok
• actorId
• fetchedAt
• inputUsed
• itemCount
• rows[]

其中 rows 即 Actor 数据集条目。关键字段分组如下：

• 网站标识： input、url、domain、status
• 邮箱信息： emails、emailDetails.email、emailDetails.type、emailDetails.sourceUrl、emailDetails.domainMatch
• 联系方式： phones、socialLinks、facebooks、instagrams、linkedIns、twitters、youtubes、tiktoks
• 爬取诊断信息： contactSignals、pagesFetched、fetchedUrls、httpStatusCodes、errors、durationMs

完整契约请参阅 references/input-output-contract.md。

智能体响应规则

• 若 rows 为空，应说明运行成功，但无网站联系人数据行匹配所选模式，并建议用户检查 RUN_SUMMARY。
• 若返回行数少于请求值，应解释原因：所提交网站公开联系方式较少、所选 resultMode 过滤了部分行，或预算限制导致停止保存。
• 若在 contactsOnly 或 allWebsites 模式下 emails 字段为空，应说明该行因存在电话/社交/诊断数据而被保留。
• 需说明网站邮箱提取为“尽力而为”（best-effort），因各网站自主决定其公开内容。
• 对任何关心费用支出的用户，均应使用 maxTotalChargeUsd 参数。
• 不得承诺本 Actor 支持 Google Maps 地点发现功能；若用户需先按关键词或地理位置搜索，请改用 Google Maps Email Extractor Actor。

参考资料

• references/input-output-contract.md
• references/sample_input.json
• references/troubleshooting.md