AI+爬虫，把大模型结合爬虫用起来，我只能说无敌！（非常详细）从零基础到精通，收藏这篇就够了！

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。

2024最新版优快云大礼包：《AGI大模型学习资源包》免费分享**

一、2025最新大模型学习路线

一个明确的学习路线可以帮助新人了解从哪里开始，按照什么顺序学习，以及需要掌握哪些知识点。大模型领域涉及的知识点非常广泛，没有明确的学习路线可能会导致新人感到迷茫，不知道应该专注于哪些内容。

我们把学习路线分成L1到L4四个阶段，一步步带你从入门到进阶，从理论到实战。

L1级别:AI大模型时代的华丽登场

L1阶段：我们会去了解大模型的基础知识，以及大模型在各个行业的应用和分析；学习理解大模型的核心原理，关键技术，以及大模型应用场景；通过理论原理结合多个项目实战，从提示工程基础到提示工程进阶，掌握Prompt提示工程。

L2级别：AI大模型RAG应用开发工程

L2阶段是我们的AI大模型RAG应用开发工程，我们会去学习RAG检索增强生成：包括Naive RAG、Advanced-RAG以及RAG性能评估，还有GraphRAG在内的多个RAG热门项目的分析。

L3级别：大模型Agent应用架构进阶实践

L3阶段：大模型Agent应用架构进阶实现，我们会去学习LangChain、 LIamaIndex框架，也会学习到AutoGPT、 MetaGPT等多Agent系统，打造我们自己的Agent智能体；同时还可以学习到包括Coze、Dify在内的可视化工具的使用。

L4级别：大模型微调与私有化部署

L4阶段：大模型的微调和私有化部署，我们会更加深入的探讨Transformer架构，学习大模型的微调技术，利用DeepSpeed、Lamam Factory等工具快速进行模型微调；并通过Ollama、vLLM等推理部署框架，实现模型的快速部署。

整个大模型学习路线L1主要是对大模型的理论基础、生态以及提示词他的一个学习掌握；而L3 L4更多的是通过项目实战来掌握大模型的应用开发，针对以上大模型的学习路线我们也整理了对应的学习视频教程，和配套的学习资料。

二、大模型经典PDF书籍

书籍和学习文档资料是学习大模型过程中必不可少的，我们精选了一系列深入探讨大模型技术的书籍和学习文档，它们由领域内的顶尖专家撰写，内容全面、深入、详尽，为你学习大模型提供坚实的理论基础。（书籍含电子版PDF）

三、大模型视频教程

对于很多自学或者没有基础的同学来说，书籍这些纯文字类的学习教材会觉得比较晦涩难以理解，因此，我们提供了丰富的大模型视频教程，以动态、形象的方式展示技术概念，帮助你更快、更轻松地掌握核心知识。

四、大模型项目实战

学以致用 ，当你的理论知识积累到一定程度，就需要通过项目实战，在实际操作中检验和巩固你所学到的知识，同时为你找工作和职业发展打下坚实的基础。

五、大模型面试题

面试不仅是技术的较量，更需要充分的准备。

在你已经掌握了大模型技术之后，就需要开始准备面试，我们将提供精心整理的大模型面试题库，涵盖当前面试中可能遇到的各种技术问题，让你在面试中游刃有余。

因篇幅有限，仅展示部分资料，需要点击下方链接即可前往获取

2024最新版优快云大礼包：《AGI大模型学习资源包》免费分享