🕷️ ScrapeGraphAI: Вы скрейпите только один раз

ScrapeGraphAI - это библиотека для веб-скрейпинга на Python, которая использует LLM и прямую графовую логику для создания скрейпинговых пайплайнов для веб-сайтов и локальных документов (XML, HTML, JSON и т.д.).

Просто укажите, какую информацию вы хотите извлечь, и библиотека сделает это за вас!

🚀 Быстрая установка

Референсная страница для Scrapegraph-ai доступна на официальной странице PyPI: pypi.

pip install scrapegraphai

Примечание: рекомендуется устанавливать библиотеку в виртуальную среду, чтобы избежать конфликтов с другими библиотеками 🐱

🔍 Демонстрация

Официальная демонстрация на Streamlit:

Попробуйте ее прямо в интернете, используя Google Colab:

📖 Документация

Документация для ScrapeGraphAI доступна здесь..

Посмотрите также Docusaurus здесь.

💻 Использование

Существует три основных скрейпинговых пайплайна, которые можно использовать для извлечения информации с веб-сайта (или локального файла):

SmartScraperGraph: скрейпер одной страницы, которому требуется только пользовательский запрос и источник ввода; SearchGraph: многопользовательский скрейпер, который извлекает информацию из топ n результатов поиска поисковой системы; SpeechGraph: скрейпер одной страницы, который извлекает информацию с веб-сайта и генерирует аудиофайл. SmartScraperMultiGraph: скрейпер нескольких страниц по одному запросу.

Можно использовать различные LLM через API, такие как OpenAI, Groq, Azure и Gemini, или локальные модели, используя Ollama.

### Пример 1: SmartScraper с использованием локальных моделей

Не забудьте установить Ollama и загрузить модели, используя команду ollama pull.

from scrapegraphai.graphs import SmartScraperGraph

graph_config = {
    "llm": {
        "model": "ollama/mistral",
        "temperature": 0,
        "format": "json",  # Ollama требует явного указания формата
        "base_url": "https://localhost:11434",  # укажите URL Ollama
    },
    "embeddings": {
        "model": "ollama/nomic-embed-text",
        "base_url": "https://localhost:11434",  # укажите URL Ollama
    },
    "verbose": True,
}

smart_scraper_graph = SmartScraperGraph(
    prompt="Перечислите все проекты с их описаниями",
    # также принимает строку с уже загруженным HTML-кодом
    source="https://perinim.github.io/projects",
    config=graph_config
)

result = smart_scraper_graph.run()
print(result)

Выходные данные будут представлять собой список проектов с их описаниями, например:

{'projects': [{'title': 'Rotary Pendulum RL', 'description': 'Open Source проект, направленный на управление реальным роторным маятником с использованием алгоритмов RL'}, {'title': 'DQN Implementation from scratch', 'description': 'Разработан алгоритм Deep Q-Network для обучения простого и двойного маятника'}, ...]}

Пример 2: SearchGraph с использованием смешанных моделей

Мы используем Groq для LLM и Ollama для встраивания.

from scrapegraphai.graphs import SearchGraph

# Определите конфигурацию для графа
graph_config = {
    "llm": {
        "model": "groq/gemma-7b-it",
        "api_key": "GROQ_API_KEY",
        "temperature": 0
    },
    "embeddings": {
        "model": "ollama/nomic-embed-text",
        "base_url": "https://localhost:11434",  # укажите URL Ollama произвольно
    },
    "max_results": 5,
}

# Создайте экземпляр SearchGraph
search_graph = SearchGraph(
    prompt="Перечислите все традиционные рецепты из Кьоджи",
    config=graph_config
)

# Запустите граф
result = search_graph.run()
print(result)

Выходные данные будут представлять собой список рецептов, например:

{'recipes': [{'name': 'Sarde in Saòre'}, {'name': 'Bigoli in salsa'}, {'name': 'Seppie in umido'}, {'name': 'Moleche frite'}, {'name': 'Risotto alla pescatora'}, {'name': 'Broeto'}, {'name': 'Bibarasse in Cassopipa'}, {'name': 'Risi e bisi'}, {'name': 'Smegiassa Ciosota'}]}

Пример 3: SpeechGraph с использованием OpenAI

Вам просто нужно передать ключ API OpenAI и название модели.

from scrapegraphai.graphs import SpeechGraph

graph_config = {
    "llm": {
        "api_key": "OPENAI_API_KEY",
        "model": "openai/gpt-3.5-turbo",
    },
    "tts_model": {
        "api_key": "OPENAI_API_KEY",
        "model": "tts-1",
        "voice": "alloy"
    },
    "output_path": "audio_summary.mp3",
}

# ************************************************
# Создайте экземпляр SpeechGraph и запустите его
# ************************************************

speech_graph = SpeechGraph(
    prompt="Сделайте подробное аудиорезюме проектов.",
    source="https://perinim.github.io/projects/",
    config=graph_config,
)

result = speech_graph.run()
print(result)

Выходные данные будут представлять собой аудиофайл с резюме проектов на странице.

Спонсоры

🤝 Участие

Не стесняйтесь вносить свой вклад и присоединяйтесь к нашему серверу Discord, чтобы обсудить с нами улучшения и дать нам предложения!

Пожалуйста, ознакомьтесь с руководством по участию.

📈 Дорожная карта

Посмотрите дорожную карту проекта здесь! 🚀

Хотите визуализировать дорожную карту более интерактивно? Посмотрите визуализацию markmap, скопировав содержимое markdown в редактор!

❤️ Разработчики программного обеспечения

🎓 Цитаты

Если вы использовали нашу библиотеку для научных исследований, пожалуйста, укажите нас в следующем виде:

  @misc{scrapegraph-ai,
    author = {Марко Перини, Лоренцо Падоан, Марко Винчигуэрра},
    title = {Scrapegraph-ai},
    year = {2024},
    url = {https://github.com/VinciGit00/Scrapegraph-ai},
    note = {Библиотека на Python для скрейпинга с использованием больших языковых моделей}
  }

Авторы

	Контактная информация
Marco Vinciguerra

Lorenzo Padoan

📜 Лицензия

ScrapeGraphAI лицензирован под MIT License. Подробнее см. в файле LICENSE.

Благодарности

Мы хотели бы поблагодарить всех участников проекта и сообщество с открытым исходным кодом за их поддержку.
ScrapeGraphAI предназначен только для исследования данных и научных целей. Мы не несем ответственности за неправильное использование библиотеки.

Provide feedback

Saved searches

Use saved searches to filter your results more quickly

Uh oh!

Uh oh!