🚀 Ищете ещё более быстрый и простой способ масштабного скрапинга (всего 5 строк кода)? Ознакомьтесь с нашей расширенной версией на ScrapeGraphAI.com! 🚀

---

🕷️ ScrapeGraphAI: Скрейпишь только раз

English | 中文 | 日本語 | 한국어 | Русский | Türkçe | Deutsch | Español | français | Português | Italiano

ScrapeGraphAI — это python-библиотека для веб-скрапинга, которая использует LLM и логику прямых графов для создания пайплайнов извлечения данных с веб-сайтов и локальных документов (XML, HTML, JSON, Markdown и т.д.).

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

🚀 Интеграции

ScrapeGraphAI предлагает бесшовную интеграцию с популярными фреймворками и инструментами, чтобы расширить ваши возможности скрапинга. Создаёте ли вы проекты на Python или Node.js, используете LLM-фреймворки или работаете с no-code платформами — наши комплексные варианты интеграции вас полностью покрывают.

Вы можете найти более подробную информацию по следующей ссылке

Интеграции:

• API: Документация
• SDKs: Python, Node
• LLM-фреймворки: Langchain, Llama Index, Crew.ai, Agno, CamelAI
• Low-code фреймворки: Pipedream, Bubble, Zapier, n8n, Dify, Toolhouse
• MCP-сервер: Ссылка

🚀 Быстрая установка

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

pip install scrapegraphai

# IMPORTANT (for fetching websites content)
playwright install

Примечание: рекомендуется устанавливать библиотеку в виртуальном окружении, чтобы избежать конфликтов с другими библиотеками 🐱

💻 Использование

Существует несколько стандартных пайплайнов скрапинга, которые можно использовать для извлечения информации с веб-сайта (или из локального файла).

Самый распространённый из них — SmartScraperGraph, который извлекает информацию с одной страницы по заданному пользовательскому промпту и исходному URL.

from scrapegraphai.graphs import SmartScraperGraph

# Define the configuration for the scraping pipeline
graph_config = {
    "llm": {
        "model": "ollama/llama3.2",
        "model_tokens": 8192,
        "format": "json",
    },
    "verbose": True,
    "headless": False,
}

# Create the SmartScraperGraph instance
smart_scraper_graph = SmartScraperGraph(
    prompt="Extract useful information from the webpage, including a description of what the company does, founders and social media links",
    source="https://scrapegraphai.com/",
    config=graph_config
)

# Run the pipeline
result = smart_scraper_graph.run()

import json
print(json.dumps(result, indent=4))

[!NOTE] Для OpenAI и других моделей достаточно просто изменить конфигурацию llm!

graph_config = {
   "llm": {
       "api_key": "YOUR_OPENAI_API_KEY",
       "model": "openai/gpt-4o-mini",
   },
   "verbose": True,
   "headless": False,
}

Результат будет представлять собой словарь следующего вида:

{
    "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"
    }
}

Существуют и другие пайплайны, которые можно использовать для извлечения информации с нескольких страниц, генерации Python-скриптов или даже создания аудиофайлов.