wehub-resource-sync
228 lines
12 KiB
Markdown
228 lines
12 KiB
Markdown
## 🚀 **Procurando uma forma ainda mais rápida e simples de fazer scraping em escala (apenas 5 linhas de código)?** Confira nossa versão aprimorada em [**ScrapeGraphAI.com**](https://scrapegraphai.com/?utm_source=github&utm_medium=readme&utm_campaign=oss_cta&utm_content=top_banner)! 🚀
|
|
|
|
---
|
|
|
|
# 🕷️ ScrapeGraphAI: Você Só Faz Scraping Uma Vez
|
|
|
|
[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) é uma biblioteca Python de *web scraping* que usa LLM e lógica de grafo direto para criar pipelines de scraping para sites e documentos locais (XML, HTML, JSON, Markdown, etc.).
|
|
|
|
Basta dizer qual informação você quer extrair e a biblioteca fará isso por você!
|
|
|
|
|
|
|
|
## 🚀 Integrações
|
|
|
|
O ScrapeGraphAI oferece integração perfeita com frameworks e ferramentas populares para aprimorar suas capacidades de scraping. Seja você construindo com Python ou Node.js, usando frameworks LLM ou trabalhando com plataformas no-code, temos você coberto com nossas opções abrangentes de integração.
|
|
|
|
<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>
|
|
Você pode encontrar mais informações no seguinte [link](https://scrapegraphai.com)
|
|
|
|
**Integrações**:
|
|
- **API**: [Documentação](https://docs.scrapegraphai.com/introduction)
|
|
- **SDKs**: [Python](https://docs.scrapegraphai.com/sdks/python), [Node](https://docs.scrapegraphai.com/sdks/javascript)
|
|
- **Frameworks LLM**: [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)
|
|
- **Frameworks Low-code**: [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)
|
|
- **Servidor MCP**: [Link](https://smithery.ai/server/@ScrapeGraphAI/scrapegraph-mcp)
|
|
|
|
## 🚀 Instalação Rápida
|
|
|
|
A página de referência para Scrapegraph-ai está disponível na página oficial do PyPI: [pypi](https://pypi.org/project/scrapegraphai/).
|
|
|
|
```bash
|
|
pip install scrapegraphai
|
|
|
|
# IMPORTANTE (para buscar conteúdo de sites)
|
|
playwright install
|
|
```
|
|
|
|
**Nota**: é recomendado instalar a biblioteca em um ambiente virtual para evitar conflitos com outras bibliotecas 🐱
|
|
|
|
|
|
## 💻 Uso
|
|
Existem múltiplos pipelines de scraping padrão que podem ser usados para extrair informações de um site (ou arquivo local).
|
|
|
|
O mais comum é o `SmartScraperGraph`, que extrai informações de uma única página dado um prompt do usuário e uma URL de origem.
|
|
|
|
|
|
```python
|
|
from scrapegraphai.graphs import SmartScraperGraph
|
|
|
|
# Defina a configuração para o pipeline de scraping
|
|
graph_config = {
|
|
"llm": {
|
|
"model": "ollama/llama3.2",
|
|
"model_tokens": 8192,
|
|
"format": "json",
|
|
},
|
|
"verbose": True,
|
|
"headless": False,
|
|
}
|
|
|
|
# Crie a instância SmartScraperGraph
|
|
smart_scraper_graph = SmartScraperGraph(
|
|
prompt="Extraia informações úteis da página web, incluindo uma descrição do que a empresa faz, fundadores e links de redes sociais",
|
|
source="https://scrapegraphai.com/",
|
|
config=graph_config
|
|
)
|
|
|
|
# Execute o pipeline
|
|
result = smart_scraper_graph.run()
|
|
|
|
import json
|
|
print(json.dumps(result, indent=4))
|
|
```
|
|
|
|
> [!NOTE]
|
|
> Para OpenAI e outros modelos, você só precisa mudar a configuração do llm!
|
|
> ```python
|
|
>graph_config = {
|
|
> "llm": {
|
|
> "api_key": "YOUR_OPENAI_API_KEY",
|
|
> "model": "openai/gpt-4o-mini",
|
|
> },
|
|
> "verbose": True,
|
|
> "headless": False,
|
|
>}
|
|
>```
|
|
|
|
|
|
A saída será um dicionário como o seguinte:
|
|
|
|
```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"
|
|
}
|
|
}
|
|
```
|
|
Existem outros pipelines que podem ser usados para extrair informações de múltiplas páginas, gerar scripts Python ou até mesmo gerar arquivos de áudio.
|
|
|
|
| Nome do Pipeline | Descrição |
|
|
|-------------------------|------------------------------------------------------------------------------------------------------------------|
|
|
| SmartScraperGraph | Scraper de página única que só precisa de um prompt do usuário e uma fonte de entrada. |
|
|
| SearchGraph | Scraper de múltiplas páginas que extrai informações dos n principais resultados de pesquisa de um mecanismo de busca. |
|
|
| SpeechGraph | Scraper de página única que extrai informações de um site e gera um arquivo de áudio. |
|
|
| ScriptCreatorGraph | Scraper de página única que extrai informações de um site e gera um script Python. |
|
|
| SmartScraperMultiGraph | Scraper de múltiplas páginas que extrai informações de múltiplas páginas dado um único prompt e uma lista de fontes. |
|
|
| ScriptCreatorMultiGraph | Scraper de múltiplas páginas que gera um script Python para extrair informações de múltiplas páginas e fontes. |
|
|
|
|
Para cada um desses grafos existe a versão multi. Isso permite fazer chamadas do LLM em paralelo.
|
|
|
|
É possível usar diferentes LLMs através de APIs, como **OpenAI**, **Groq**, **Azure** e **Gemini**, ou modelos locais usando **Ollama**.
|
|
|
|
Lembre-se de ter o [Ollama](https://ollama.com/) instalado e baixar os modelos usando o comando **ollama pull**, se você quiser usar modelos locais.
|
|
|
|
|
|
## 📖 Documentação
|
|
|
|
[](https://colab.research.google.com/drive/1sEZBonBMGP44CtO6GQTwAlL0BGJXjtfd?usp=sharing)
|
|
|
|
A documentação do ScrapeGraphAI pode ser encontrada [aqui](https://docs.scrapegraphai.com/introduction).
|
|
|
|
## 🤝 Contribuindo
|
|
|
|
Sinta-se à vontade para contribuir e junte-se ao nosso servidor Discord para discutir melhorias e nos dar sugestões!
|
|
|
|
Por favor, veja as [diretrizes de contribuição](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
|
|
Se você está procurando uma solução rápida para integrar o ScrapeGraph em seu sistema, confira nossa poderosa API [aqui!](https://dashboard.scrapegraphai.com/login)
|
|
|
|
[](https://dashboard.scrapegraphai.com/login)
|
|
|
|
Oferecemos SDKs em Python e Node.js, facilitando a integração em seus projetos. Confira abaixo:
|
|
|
|
| SDK | Linguagem | Link do GitHub |
|
|
|-----------|----------|-----------------------------------------------------------------------------|
|
|
| Python SDK | Python | [scrapegraph-py](https://docs.scrapegraphai.com/sdks/python) |
|
|
| Node.js SDK | Node.js | [scrapegraph-js](https://docs.scrapegraphai.com/sdks/javascript) |
|
|
|
|
A Documentação Oficial da API pode ser encontrada [aqui](https://docs.scrapegraphai.com/introduction).
|
|
|
|
## 🔥 Benchmark
|
|
|
|
De acordo com o benchmark do Firecrawl [Firecrawl benchmark](https://scrapegraphai.com/compare/firecrawl), o ScrapeGraph é o melhor fetcher do mercado!
|
|
|
|
|
|
|
|
## 📈 Telemetria
|
|
Coletamos métricas de uso anônimas para melhorar a qualidade e a experiência do usuário do nosso pacote. Os dados nos ajudam a priorizar melhorias e garantir compatibilidade. Se você deseja optar por não participar, defina a variável de ambiente SCRAPEGRAPHAI_TELEMETRY_ENABLED=false. Para mais informações, consulte a documentação [aqui](https://docs.scrapegraphai.com/introduction).
|
|
|
|
## ❤️ Contribuidores
|
|
[](https://github.com/ScrapeGraphAI/Scrapegraph-ai/graphs/contributors)
|
|
|
|
## 🎓 Citações
|
|
Se você usou nossa biblioteca para fins de pesquisa, por favor, cite-nos com a seguinte referência:
|
|
```text
|
|
@misc{scrapegraph-ai,
|
|
author = {Lorenzo Padoan, Marco Vinciguerra},
|
|
title = {Scrapegraph-ai},
|
|
year = {2024},
|
|
url = {https://github.com/ScrapeGraphAI/Scrapegraph-ai},
|
|
note = {Uma biblioteca Python para scraping aproveitando grandes modelos de linguagem}
|
|
}
|
|
```
|
|
|
|
## Autores
|
|
|
|
| | Informações de Contato |
|
|
|--------------------|----------------------|
|
|
| Marco Vinciguerra | [](https://www.linkedin.com/in/marco-vinciguerra-7ba365242/) |
|
|
| Lorenzo Padoan | [](https://www.linkedin.com/in/lorenzo-padoan-4521a2154/) |
|
|
|
|
## 📜 Licença
|
|
|
|
O ScrapeGraphAI está licenciado sob a Licença MIT. Veja o arquivo [LICENSE](https://github.com/ScrapeGraphAI/Scrapegraph-ai/blob/main/LICENSE) para mais informações.
|
|
|
|
## Agradecimentos
|
|
|
|
- Gostaríamos de agradecer a todos os contribuidores do projeto e à comunidade de código aberto pelo seu apoio.
|
|
- O ScrapeGraphAI destina-se apenas a fins de exploração de dados e pesquisa. Não nos responsabilizamos por qualquer uso indevido da biblioteca.
|
|
|
|
Made with ❤️ by [ScrapeGraph AI](https://scrapegraphai.com)
|
|
|
|
[Scarf tracking](https://static.scarf.sh/a.png?x-pxid=102d4b8c-cd6a-4b9e-9a16-d6d141b9212d)
|