大模型

AI+爬虫，把大模型结合爬虫用起来，我只能说无敌！

优质文章学习记录

07 Feb 2025 — 7 min read

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。

www.zeeklog.com - AI+爬虫，把大模型结合爬虫用起来，我只能说无敌！

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。

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。

第一阶段：从大模型系统设计入手，讲解大模型的主要方法；

第二阶段：在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段：大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段：大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段：大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段：以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段：以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

👉学会后的收获：👈
• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求：大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能，学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力：大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

1.AI大模型学习路线图
2.100套AI大模型商业化落地方案
3.100集大模型视频教程
4.200本大模型PDF书籍
5.LLM面试题合集
6.AI产品经理资源合集

👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓