AI与爬虫技术的完美结合：数据提取的新篇章，当大模型助力爬虫技术，无敌了家人们！

最新推荐文章于 2025-03-10 00:30:00 发布

AI大模型-大飞

最新推荐文章于 2025-03-10 00:30:00 发布

阅读量1.7k

点赞数 14

文章标签：人工智能爬虫 AI大模型大模型教程学习 AI 大模型

本文链接：https://blog.csdn.net/m0_63171455/article/details/145092981

版权

你是否曾想过，如果有一个工具，能够理解你的意图并自动执行复杂的网络数据抓取任务，那会怎样？ScrapeGraphAI[1] 就是这样一个工具，它利用最新的人工智能技术，让数据提取变得前所未有地简单。

ScrapeGraphAI 是一个用于网络抓取 Python 库，它使用大语言模型（LLM）和直接图为网站、文档和 XML 文件创建抓取管道。只需说出您想要提取哪些信息，它就会为您完成！

工具特点

简单易用：只需输入 API 密钥，您就可以在几秒钟内抓取数千个网页！
开发便捷：你只需要实现几行代码，工作就完成了。
专注业务：有了这个库，您可以节省数小时的时间，因为您只需要设置项目，人工智能就会为您完成一切。

快速开始

在线示例

1.官方 Streamlit

https://scrapegraph-ai-demo.streamlit.app/

2.Google Colab

https://colab.research.google.com/drive/1sEZBonBMGP44CtO6GQTwAlL0BGJXjtfd

本地安装

使用 pip 安装 scrapegraphai：

pip install scrapegraphai

此外，您还需要安装 Playwright[2] 抓取客户端渲染（由 JavaScript 动态渲染）的网页：

playwright install

Playwright 是一个强大的 Python 库，仅用一个 API 即可自动执行 Chromium、Firefox、WebKit 等主流浏览器自动化操作。

使用示例

ScrapeGraphAI 支持通过 API 使用不同的 LLM，例如 OpenAI、Groq、Azure 和 Gemini，或使用 Ollama 的本地模型。

ScrapeGraphAI 内置了 3 种网页爬取流程：

SmartScraperGraph：仅需要用户提示词和输入源的单页抓取工具；
SearchGraph：多页抓取工具，从搜索引擎的前 n 个搜索结果中提取信息；
SpeechGraph：单页抓取工具，从网站提取信息并生成音频文件。

示例一：使用 Ollama API 提取信息

from scrapegraphai.graphs import SmartScraperGraph      graph_config = {       "llm": {           "model": "ollama/mistral",           "temperature": 0,           "format": "json",  # Ollama needs the format to be specified explicitly           "base_url": "http://localhost:11434",  # set Ollama URL       },       "embeddings": {           "model": "ollama/nomic-embed-text",           "base_url": "http://localhost:11434",  # set Ollama URL       }   }      smart_scraper_graph = SmartScraperGraph(       prompt="List me all the articles",       # also accepts a string with the already downloaded HTML code       source="https://perinim.github.io/projects",       config=graph_config   )      result = smart_scraper_graph.run()   print(result)

示例二：使用 ChatGPT API 提取信息

from scrapegraphai.graphs import SmartScraperGraph   OPENAI_API_KEY = "YOUR_API_KEY"      graph_config = {       "llm": {           "api_key": OPENAI_API_KEY,           "model": "gpt-3.5-turbo",       },   }      smart_scraper_graph = SmartScraperGraph(       prompt="List me all the articles",       # also accepts a string with the already downloaded HTML code       source="https://perinim.github.io/projects",       config=graph_config   )      result = smart_scraper_graph.run()   print(result)

示例三：使用 Groq API 提取信息

from scrapegraphai.graphs import SmartScraperGraph   from scrapegraphai.utils import prettify_exec_info      groq_key = os.getenv("GROQ_APIKEY")      graph_config = {       "llm": {           "model": "groq/gemma-7b-it",           "api_key": groq_key,           "temperature": 0       },       "embeddings": {           "model": "ollama/nomic-embed-text",           "temperature": 0,           "base_url": "http://localhost:11434",        },       "headless": False   }      smart_scraper_graph = SmartScraperGraph(       prompt="List me all the projects with their description and the author.",       source="https://perinim.github.io/projects",       config=graph_config   )      result = smart_scraper_graph.run()   print(result)

示例四：使用 Gemini API 提取信息

from scrapegraphai.graphs import SmartScraperGraph   GOOGLE_APIKEY = "YOUR_API_KEY"      # Define the configuration for the graph   graph_config = {       "llm": {           "api_key": GOOGLE_APIKEY,           "model": "gemini-pro",       },   }      # Create the SmartScraperGraph instance   smart_scraper_graph = SmartScraperGraph(       prompt="List me all the articles",       source="https://perinim.github.io/projects",       config=graph_config   )      result = smart_scraper_graph.run()   print(result)

示例五、使用 Docker 提取信息

注意：使用本地模型之前记得创建 docker 容器！

docker-compose up -d   docker exec -it ollama ollama pull stablelm-zephyr

您可以使用 Ollama 上可用的模型或您自己的模型来代替 stablelm-zephyr

from scrapegraphai.graphs import SmartScraperGraph。      graph_config = {       "llm": {           "model": "ollama/mistral",           "temperature": 0,           "format": "json",  # Ollama needs the format to be specified explicitly           # "model_tokens": 2000, # set context length arbitrarily       },   }      smart_scraper_graph = SmartScraperGraph(       prompt="List me all the articles",       # also accepts a string with the already downloaded HTML code       source="https://perinim.github.io/projects",         config=graph_config   )      result = smart_scraper_graph.run()   print(result)

随着 AI 技术的不断发展，将会为传统工具带来很大的机遇和挑战，后续会不断涌现出更多智能化的工具。

在这里插入图片描述

如何学习AI大模型？

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

在这里插入图片描述