跳到主要内容
Open In ColabOpen on GitHub

AgentQLLoader

AgentQL 的文档加载器通过使用 AgentQL 查询，从任何网页提供结构化数据提取。AgentQL 可以在多种语言和网页中使用，且不会随时间或更改而失效。

概述​

AgentQLLoader 需要以下两个参数：

以下参数为可选设置：

  • api_key：您的 AgentQL API 密钥，来自 dev.agentql.com。可选。
  • timeout：等待请求超时的秒数。默认为 900。
  • is_stealth_mode_enabled：是否启用实验性的反机器人规避策略。此功能可能并非在所有时间都适用于所有网站。启用此模式后，数据提取可能需要更长时间才能完成。默认为 False。
  • wait_for：在提取数据前等待页面加载的秒数。默认为 0。
  • is_scroll_to_bottom_enabled：在提取数据前是否滚动到页面底部。默认为 False。
  • mode："standard" 使用深度数据分析，而 "fast" 则以牺牲部分分析深度为代价来提高速度，足以满足大多数用例。在此指南中了解有关模式的更多信息。 默认为 "fast"。
  • is_screenshot_enabled：是否在提取数据前截取屏幕截图。作为 Base64 字符串返回到“metadata”中。默认为 False。

AgentQLLoader 是通过 AgentQL 的 REST API 实现的。

集成详情​

类别包本地可序列化JS 支持
AgentQLLoaderlangchain-agentql✅❌❌

加载器功能​

来源文档延迟加载原生异步支持
AgentQLLoader✅❌

设置​

要使用 AgentQL 文档加载器，您需要配置 AGENTQL_API_KEY 环境变量，或使用 api_key 参数。您可以从我们的 开发者门户 获取 API 密钥。

安装​

安装 langchain-agentql。

%pip install -qU langchain_agentql

设置凭据​

import os

os.environ["AGENTQL_API_KEY"] = "YOUR_AGENTQL_API_KEY"

初始化​

接下来实例化您的模型对象

from langchain_agentql.document_loaders import AgentQLLoader

loader = AgentQLLoader(
    url="https://www.agentql.com/blog",
    query="""
    {
        posts[] {
            title
            url
            date
            author
        }
    }
    """,
    is_scroll_to_bottom_enabled=True,
)

加载​

docs = loader.load()
docs[0]
Document(metadata={'request_id': 'bdb9dbe7-8a7f-427f-bc16-839ccc02cae6', 'generated_query': None, 'screenshot': None}, page_content="{'posts': [{'title': 'Launch Week Recap—make the web AI-ready', 'url': 'https://www.agentql.com/blog/2024-launch-week-recap', 'date': 'Nov 18, 2024', 'author': 'Rachel-Lee Nabors'}, {'title': 'Accurate data extraction from PDFs and images with AgentQL', 'url': 'https://www.agentql.com/blog/accurate-data-extraction-pdfs-images', 'date': 'Feb 1, 2025', 'author': 'Rachel-Lee Nabors'}, {'title': 'Introducing Scheduled Scraping Workflows', 'url': 'https://www.agentql.com/blog/scheduling', 'date': 'Dec 2, 2024', 'author': 'Rachel-Lee Nabors'}, {'title': 'Updates to Our Pricing Model', 'url': 'https://www.agentql.com/blog/2024-pricing-update', 'date': 'Nov 19, 2024', 'author': 'Rachel-Lee Nabors'}, {'title': 'Get data from any page: AgentQL’s REST API Endpoint—Launch week day 5', 'url': 'https://www.agentql.com/blog/data-rest-api', 'date': 'Nov 15, 2024', 'author': 'Rachel-Lee Nabors'}]}")
print(docs[0].metadata)
{'request_id': 'bdb9dbe7-8a7f-427f-bc16-839ccc02cae6', 'generated_query': None, 'screenshot': None}

延迟加载​

AgentQLLoader 目前一次只加载一个 Document。因此，load() 和 lazy_load() 的行为相同。

pages = [doc for doc in loader.lazy_load()]
pages
[Document(metadata={'request_id': '06273abd-b2ef-4e15-b0ec-901cba7b4825', 'generated_query': None, 'screenshot': None}, page_content="{'posts': [{'title': 'Launch Week Recap—make the web AI-ready', 'url': 'https://www.agentql.com/blog/2024-launch-week-recap', 'date': 'Nov 18, 2024', 'author': 'Rachel-Lee Nabors'}, {'title': 'Accurate data extraction from PDFs and images with AgentQL', 'url': 'https://www.agentql.com/blog/accurate-data-extraction-pdfs-images', 'date': 'Feb 1, 2025', 'author': 'Rachel-Lee Nabors'}, {'title': 'Introducing Scheduled Scraping Workflows', 'url': 'https://www.agentql.com/blog/scheduling', 'date': 'Dec 2, 2024', 'author': 'Rachel-Lee Nabors'}, {'title': 'Updates to Our Pricing Model', 'url': 'https://www.agentql.com/blog/2024-pricing-update', 'date': 'Nov 19, 2024', 'author': 'Rachel-Lee Nabors'}, {'title': 'Get data from any page: AgentQL’s REST API Endpoint—Launch week day 5', 'url': 'https://www.agentql.com/blog/data-rest-api', 'date': 'Nov 15, 2024', 'author': 'Rachel-Lee Nabors'}]}")]

API 参考​

有关如何使用此集成的更多信息，请参阅 git 仓库 或 langchain 集成文档