wehub-resource-sync
227 lines
10 KiB
Markdown
227 lines
10 KiB
Markdown
## 🚀 **正在寻找更快、更简单的规模化抓取方式（只需5行代码）？** 查看我们在 [**ScrapeGraphAI.com**](https://scrapegraphai.com/?utm_source=github&utm_medium=readme&utm_campaign=oss_cta&utm_content=top_banner) 的增强版本！🚀
|
||
|
||
---
|
||
|
||
# 🕷️ ScrapeGraphAI: 只需抓取一次
|
||
|
||
[English](../README.md) | [中文](chinese.md) | [日本語](japanese.md)
|
||
| [한국어](korean.md)
|
||
| [Русский](russian.md) | [Türkçe](turkish.md)
|
||
| [Deutsch](german.md)
|
||
| [Español](spanish.md)
|
||
| [français](french.md)
|
||
| [Português](portuguese.md)
|
||
| [Italiano](italian.md)
|
||
|
||
[](https://pepy.tech/projects/scrapegraphai)
|
||
|
||
[](https://opensource.org/licenses/MIT)
|
||
[](https://discord.gg/gkxQDAjfeX)
|
||
<p align="center">
|
||
<a href="https://trendshift.io/repositories/15078" target="_blank"><img src="https://trendshift.io/api/badge/repositories/15078" alt="ScrapeGraphAI%2FScrapegraph-ai | Trendshift" style="width: 250px; height: 55px;" width="250" height="55"/></a>
|
||
<p align="center">
|
||
|
||
[ScrapeGraphAI](https://scrapegraphai.com) 是一个*网络爬虫* Python 库，使用大型语言模型和直接图逻辑为网站和本地文档（XML，HTML，JSON，Markdown 等）创建爬取管道。
|
||
|
||
只需告诉库您想提取哪些信息，它将为您完成！
|
||
|
||
|
||
|
||
## 🚀 集成
|
||
|
||
ScrapeGraphAI 提供与流行框架和工具的无缝集成，以增强您的抓取能力。无论您使用 Python 还是 Node.js 构建，使用 LLM 框架，还是使用无代码平台，我们都为您提供全面的集成选项。
|
||
|
||
<p align="center">
|
||
<img src="https://raw.githubusercontent.com/ScrapeGraphAI/Scrapegraph-ai/main/docs/assets/sgai-hero.png" alt="ScrapeGraphAI Hero" style="width: 100%;">
|
||
</p>
|
||
您可以在以下[链接](https://scrapegraphai.com)找到更多信息
|
||
|
||
**集成**：
|
||
- **API**: [文档](https://docs.scrapegraphai.com/introduction)
|
||
- **SDKs**: [Python](https://docs.scrapegraphai.com/sdks/python), [Node](https://docs.scrapegraphai.com/sdks/javascript)
|
||
- **LLM 框架**: [Langchain](https://docs.scrapegraphai.com/integrations/langchain), [Llama Index](https://docs.scrapegraphai.com/integrations/llamaindex), [Crew.ai](https://docs.scrapegraphai.com/integrations/crewai), [Agno](https://docs.scrapegraphai.com/integrations/agno), [CamelAI](https://github.com/camel-ai/camel)
|
||
- **低代码框架**: [Pipedream](https://pipedream.com/apps/scrapegraphai), [Bubble](https://bubble.io/plugin/scrapegraphai-1745408893195x213542371433906180), [Zapier](https://zapier.com/apps/scrapegraphai/integrations), [n8n](http://localhost:5001/dashboard), [Dify](https://dify.ai), [Toolhouse](https://app.toolhouse.ai/mcp-servers/scrapegraph_smartscraper)
|
||
- **MCP 服务器**: [链接](https://smithery.ai/server/@ScrapeGraphAI/scrapegraph-mcp)
|
||
|
||
## 🚀 快速安装
|
||
|
||
Scrapegraph-ai 的参考页面可以在 PyPI 的官方网站上找到: [pypi](https://pypi.org/project/scrapegraphai/)。
|
||
|
||
```bash
|
||
pip install scrapegraphai
|
||
|
||
# 重要（用于获取网站内容）
|
||
playwright install
|
||
```
|
||
|
||
**注意**: 建议在虚拟环境中安装该库，以避免与其他库发生冲突 🐱
|
||
|
||
|
||
## 💻 用法
|
||
有多种标准抓取管道可用于从网站（或本地文件）提取信息。
|
||
|
||
最常见的是 `SmartScraperGraph`，它在给定用户提示和源 URL 的情况下从单个页面提取信息。
|
||
|
||
|
||
```python
|
||
from scrapegraphai.graphs import SmartScraperGraph
|
||
|
||
# 定义抓取管道的配置
|
||
graph_config = {
|
||
"llm": {
|
||
"model": "ollama/llama3.2",
|
||
"model_tokens": 8192,
|
||
"format": "json",
|
||
},
|
||
"verbose": True,
|
||
"headless": False,
|
||
}
|
||
|
||
# 创建 SmartScraperGraph 实例
|
||
smart_scraper_graph = SmartScraperGraph(
|
||
prompt="从网页中提取有用信息，包括公司描述、创始人和社交媒体链接",
|
||
source="https://scrapegraphai.com/",
|
||
config=graph_config
|
||
)
|
||
|
||
# 运行管道
|
||
result = smart_scraper_graph.run()
|
||
|
||
import json
|
||
print(json.dumps(result, indent=4))
|
||
```
|
||
|
||
> [!NOTE]
|
||
> 对于 OpenAI 和其他模型，您只需要更改 llm 配置！
|
||
> ```python
|
||
>graph_config = {
|
||
> "llm": {
|
||
> "api_key": "YOUR_OPENAI_API_KEY",
|
||
> "model": "openai/gpt-4o-mini",
|
||
> },
|
||
> "verbose": True,
|
||
> "headless": False,
|
||
>}
|
||
>```
|
||
|
||
|
||
输出将是一个类似以下的字典：
|
||
|
||
```python
|
||
{
|
||
"description": "ScrapeGraphAI transforms websites into clean, organized data for AI agents and data analytics. It offers an AI-powered API for effortless and cost-effective data extraction.",
|
||
"founders": [
|
||
{
|
||
"name": "",
|
||
"role": "Founder & Technical Lead",
|
||
"linkedin": "https://www.linkedin.com/in/perinim/"
|
||
},
|
||
{
|
||
"name": "Marco Vinciguerra",
|
||
"role": "Founder & Software Engineer",
|
||
"linkedin": "https://www.linkedin.com/in/marco-vinciguerra-7ba365242/"
|
||
},
|
||
{
|
||
"name": "Lorenzo Padoan",
|
||
"role": "Founder & Product Engineer",
|
||
"linkedin": "https://www.linkedin.com/in/lorenzo-padoan-4521a2154/"
|
||
}
|
||
],
|
||
"social_media_links": {
|
||
"linkedin": "https://www.linkedin.com/company/101881123",
|
||
"twitter": "https://x.com/scrapegraphai",
|
||
"github": "https://github.com/ScrapeGraphAI/Scrapegraph-ai"
|
||
}
|
||
}
|
||
```
|
||
还有其他管道可用于从多个页面提取信息、生成 Python 脚本，甚至生成音频文件。
|
||
|
||
| 管道名称 | 描述 |
|
||
|-------------------------|------------------------------------------------------------------------------------------------------------------|
|
||
| SmartScraperGraph | 单页抓取器，只需要用户提示和输入源。 |
|
||
| SearchGraph | 多页抓取器，从搜索引擎的前 n 个搜索结果中提取信息。 |
|
||
| SpeechGraph | 单页抓取器，从网站提取信息并生成音频文件。 |
|
||
| ScriptCreatorGraph | 单页抓取器，从网站提取信息并生成 Python 脚本。 |
|
||
| SmartScraperMultiGraph | 多页抓取器，在给定单个提示和源列表的情况下从多个页面提取信息。 |
|
||
| ScriptCreatorMultiGraph | 多页抓取器，生成用于从多个页面和源提取信息的 Python 脚本。 |
|
||
|
||
对于这些图中的每一个，都有多版本。它允许并行调用 LLM。
|
||
|
||
可以通过 API 使用不同的 LLM，例如 **OpenAI**、**Groq**、**Azure** 和 **Gemini**，或使用 **Ollama** 的本地模型。
|
||
|
||
如果您想使用本地模型，请记住安装 [Ollama](https://ollama.com/) 并使用 **ollama pull** 命令下载模型。
|
||
|
||
|
||
## 📖 文档
|
||
|
||
[](https://colab.research.google.com/drive/1sEZBonBMGP44CtO6GQTwAlL0BGJXjtfd?usp=sharing)
|
||
|
||
ScrapeGraphAI 的文档可以在[这里](https://docs.scrapegraphai.com/introduction)找到。
|
||
|
||
## 🤝 贡献
|
||
|
||
欢迎贡献并加入我们的 Discord 服务器与我们讨论改进和提出建议！
|
||
|
||
请参阅[贡献指南](https://github.com/ScrapeGraphAI/Scrapegraph-ai/blob/main/CONTRIBUTING.md)。
|
||
|
||
[](https://discord.gg/uJN7TYcpNa)
|
||
[](https://www.linkedin.com/company/scrapegraphai/)
|
||
[](https://twitter.com/scrapegraphai)
|
||
|
||
## 🔗 ScrapeGraph API & SDKs
|
||
如果您正在寻找快速解决方案来将 ScrapeGraph 集成到您的系统中，请查看我们的强大 API [这里！](https://dashboard.scrapegraphai.com/login)
|
||
|
||
[](https://dashboard.scrapegraphai.com/login)
|
||
|
||
我们提供 Python 和 Node.js 的 SDK，使您可以轻松集成到您的项目中。请在下面查看：
|
||
|
||
| SDK | 语言 | GitHub 链接 |
|
||
|-----------|----------|-----------------------------------------------------------------------------|
|
||
| Python SDK | Python | [scrapegraph-py](https://docs.scrapegraphai.com/sdks/python) |
|
||
| Node.js SDK | Node.js | [scrapegraph-js](https://docs.scrapegraphai.com/sdks/javascript) |
|
||
|
||
官方 API 文档可以在[这里](https://docs.scrapegraphai.com/introduction)找到。
|
||
|
||
## 🔥 基准测试
|
||
|
||
根据 Firecrawl 基准测试 [Firecrawl benchmark](https://scrapegraphai.com/compare/firecrawl)，ScrapeGraph 是市场上最好的抓取工具！
|
||
|
||
|
||
|
||
## 📈 遥测
|
||
我们收集匿名使用指标以增强我们包的质量和用户体验。这些数据帮助我们确定改进的优先级并确保兼容性。如果您希望退出，请设置环境变量 SCRAPEGRAPHAI_TELEMETRY_ENABLED=false。有关更多信息，请参阅[这里](https://docs.scrapegraphai.com/introduction)的文档。
|
||
|
||
## ❤️ 贡献者
|
||
[](https://github.com/ScrapeGraphAI/Scrapegraph-ai/graphs/contributors)
|
||
|
||
## 🎓 引用
|
||
如果您将我们的库用于研究目的，请使用以下参考文献引用我们：
|
||
```text
|
||
@misc{scrapegraph-ai,
|
||
author = {Lorenzo Padoan, Marco Vinciguerra},
|
||
title = {Scrapegraph-ai},
|
||
year = {2024},
|
||
url = {https://github.com/ScrapeGraphAI/Scrapegraph-ai},
|
||
note = {一个利用大型语言模型进行爬取的 Python 库}
|
||
}
|
||
```
|
||
## 作者
|
||
|
||
| | 联系信息 |
|
||
|--------------------|----------------------|
|
||
| Marco Vinciguerra | [](https://www.linkedin.com/in/marco-vinciguerra-7ba365242/) |
|
||
| Lorenzo Padoan | [](https://www.linkedin.com/in/lorenzo-padoan-4521a2154/) |
|
||
|
||
## 📜 许可证
|
||
|
||
ScrapeGraphAI 采用 MIT 许可证。更多信息请查看 [LICENSE](https://github.com/ScrapeGraphAI/Scrapegraph-ai/blob/main/LICENSE) 文件。
|
||
|
||
## 鸣谢
|
||
|
||
- 我们要感谢所有项目贡献者和开源社区的支持。
|
||
- ScrapeGraphAI 仅用于数据探索和研究目的。我们不对任何滥用该库的行为负责。
|
||
|
||
Made with ❤️ by [ScrapeGraph AI](https://scrapegraphai.com)
|
||
|
||
[Scarf tracking](https://static.scarf.sh/a.png?x-pxid=102d4b8c-cd6a-4b9e-9a16-d6d141b9212d)
|