链载Ai

标题: 爬虫写得好，牢饭吃得早，大模型ScrapeGraphAI助力高质量爬虫 [打印本页]

作者: 链载Ai 时间: 2025-12-2 10:00
标题: 爬虫写得好，牢饭吃得早，大模型ScrapeGraphAI助力高质量爬虫

ingFang SC", miui, "Hiragino Sans GB", "Microsoft Yahei", sans-serif;font-size: 14px;letter-spacing: 0.5px;text-align: start;background-color: rgb(255, 255, 255);white-space-collapse: preserve !important;word-break: break-word !important;">ScrapeGraphAI 是一个 Python 库，它利用大型语言模型（LLM）和直接图形逻辑为网站、文档和 XML 文件创建抓取管道。这个库的特点是，用户只需要描述他们想要提取的信息，库就会自动完成抓取任务。

ingFang SC", miui, "Hiragino Sans GB", "Microsoft Yahei", sans-serif;letter-spacing: 0.5px;text-align: start;text-wrap: wrap;background-color: rgb(255, 255, 255);">安装 ScrapeGraphAI

通过 pip 安装 ScrapeGraphAI：
```
pipinstallscrapegraphai
```
安装 Playwright，用于基于 JavaScript 的抓取：
```
playwrightinstall
```
建议在虚拟环境中安装库，以避免与其他库发生冲突。

ingFang SC", miui, "Hiragino Sans GB", "Microsoft Yahei", sans-serif;letter-spacing: 0.5px;text-align: start;text-wrap: wrap;background-color: rgb(255, 255, 255);">使用 ScrapeGraphAI

SmartScraperGraph：单页面抓取器，只需要用户提示和输入源。
SearchGraph：多页面抓取器，从搜索引擎的前 n 个搜索结果中提取信息。
SpeechGraph：单页面抓取器，从网站提取信息并生成音频文件。

ingFang SC", miui, "Hiragino Sans GB", "Microsoft Yahei", sans-serif;letter-spacing: 0.5px;text-align: start;text-wrap: wrap;background-color: rgb(255, 255, 255);">示例用例

使用本地模型的 SmartScraperGraph：

确保已安装 Ollama 并使用ollama pull命令下载模型。
示例代码展示了如何创建SmartScraperGraph实例并运行它，以获取项目列表及其描述。
使用混合模型的 SearchGraph：

使用 Groq 作为 LLM 和 Ollama 作为嵌入模型。
示例代码展示了如何创建SearchGraph实例并运行它，以获取 Chioggia 的传统食谱列表。

使用 OpenAI 的 SpeechGraph：

只需要传递 OpenAI API 密钥和模型名称。
示例代码展示了如何创建SpeechGraph实例并运行它，以生成项目摘要的音频文件。

ingFang SC", miui, "Hiragino Sans GB", "Microsoft Yahei", sans-serif;letter-spacing: 0.5px;text-align: start;text-wrap: wrap;background-color: rgb(255, 255, 255);">输出示例

SmartScraperGraph的输出是项目及其描述的列表。
SearchGraph的输出是食谱的列表。
SpeechGraph的输出是页面上项目摘要的音频文件。

注意事项

在使用之前，需要设置 OpenAI API 密钥。
文档和参考页面可以在 ScrapeGraphAI 的官方页面上找到。

ScrapeGraphAI 库通过简化抓取过程，使得用户无需深入了解网页结构或编写复杂的抓取逻辑，就能够从网站中提取所需信息。这对于需要从多个来源收集数据的用户来说，是一个非常有用的工具。

? Quick install

The reference page for Scrapegraph-ai is available on the official page of pypy:pypi.

pipinstallscrapegraphai

you will also need to install Playwright for javascript-based scraping:

playwrightinstall

Note: it is recommended to install the library in a virtual environment to avoid conflicts with other libraries ?

? Demo

Follow the procedure on the following link to setup your OpenAI API key:link.

? Documentation

The documentation for ScrapeGraphAI can be foundhere.

Check out also the docusaurusdocumentation.

? Usage

There are three main scraping pipelines that can be used to extract information from a website (or local file):

SmartScraperGraph: single-page scraper that only needs a user prompt and an input source;
SearchGraph: multi-page scraper that extracts information from the top n search results of a search engine;
SpeechGraph: single-page scraper that extracts information from a website and generates an audio file.

It is possible to use different LLM through APIs, such asOpenAI,Groq,AzureandGemini, or local models usingOllama.

Case 1: SmartScraper using Local Models

Remember to haveOllamainstalled and download the models using theollama pullcommand.

scrapegraphai.graphs

graph_config{
:{
:,
:,
:,
:,
},
:{
:,
:,
},
:,
}

smart_scraper_graph(
prompt,

source,
configgraph_config
)

resultsmart_scraper_graph.()
(result)

The output will be a list of projects with their descriptions like the following:

{'projects':[{'title':'RotaryPendulumRL','description':'OpenSourceprojectaimedatcontrollingarealliferotarypendulumusingRLalgorithms'},{'title':'DQNImplementationfromscratch','description':'DevelopedaDeepQ-Networkalgorithmtotrainasimpleanddoublependulum'},...]}

Case 2: SearchGraph using Mixed Models

We useGroqfor the LLM andOllamafor the embeddings.

scrapegraphai.graphs


graph_config{
:{
:,
:,
:
},
:{
:,
:,
},
:,
}


search_graph(
prompt,
configgraph_config
)


resultsearch_graph.()
(result)

The output will be a list of recipes like the following:

{'recipes':[{'name':'SardeinSaòre'},{'name':'Bigoliinsalsa'},{'name':'Seppieinumido'},{'name':'Molechefrite'},{'name':'Risottoallapescatora'},{'name':'Broeto'},{'name':'BibarasseinCassopipa'},{'name':'Risiebisi'},{'name':'SmegiassaCiosota'}]}

Case 3: SpeechGraph using OpenAI

You just need to pass the OpenAI API key and the model name.

scrapegraphai.graphs

graph_config{
:{
:,
:,
},
:{
:,
:,
:
},
:,
}





speech_graph(
prompt,
source,
configgraph_config,
)

resultspeech_graph.()
(result)

The output will be an audio file with the summary of the projects on the page.

欢迎光临链载Ai (http://www.lianzai.com/)