Airbyte Hubspot (已弃用)
注意:AirbyteHubspotLoader
已弃用。请改用 AirbyteLoader
。
Airbyte 是一个数据集成平台,用于将来自 API、数据库和文件的数据通过 ELT 管道传输到数据仓库和数据湖。它拥有最大的 ELT 连接器目录,可连接到各种数据仓库和数据库。
此加载器将 Hubspot 连接器公开为文档加载器,允许您将各种 Hubspot 对象作为文档加载。
安装
首先,您需要安装 airbyte-source-hubspot
Python 包。
%pip install --upgrade --quiet airbyte-source-hubspot
示例
请查看 Airbyte 文档页面,了解如何配置读取器的详细信息。配置对象应遵循的 JSON 模式可在 Github 上找到:https://github.com/airbytehq/airbyte/blob/master/airbyte-integrations/connectors/source-hubspot/source_hubspot/spec.yaml。
一般形式如下
{
"start_date": "<date from which to start retrieving records from in ISO format, e.g. 2020-10-20T00:00:00Z>",
"credentials": {
"credentials_title": "Private App Credentials",
"access_token": "<access token of your private app>"
}
}
默认情况下,所有字段都作为元数据存储在文档中,文本内容被设置为空字符串。通过转换读取器返回的文档来构建文档的文本内容。
from langchain_community.document_loaders.airbyte import AirbyteHubspotLoader
config = {
# your hubspot configuration
}
loader = AirbyteHubspotLoader(
config=config, stream_name="products"
) # check the documentation linked above for a list of all streams
现在您可以按常规方式加载文档
docs = loader.load()
由于 `load` 返回一个列表,它将阻塞直到所有文档加载完毕。为了更好地控制此过程,您也可以使用 `lazy_load` 方法,它会返回一个迭代器。
docs_iterator = loader.lazy_load()
请注意,默认情况下,页面内容为空,并且元数据对象包含记录中的所有信息。要处理文档,请创建一个继承自基础加载器的类,并自行实现 _handle_records
方法。
from langchain_core.documents import Document
def handle_record(record, id):
return Document(page_content=record.data["title"], metadata=record.data)
loader = AirbyteHubspotLoader(
config=config, record_handler=handle_record, stream_name="products"
)
docs = loader.load()
增量加载
某些流支持增量加载,这意味着源会跟踪已同步的记录,并且不会再次加载它们。这对于数据量大且频繁更新的源非常有用。
为了利用此功能,请存储加载器的 `last_state` 属性,并在再次创建加载器时传入该属性。这将确保只加载新记录。
last_state = loader.last_state # store safely
incremental_loader = AirbyteHubspotLoader(
config=config, stream_name="products", state=last_state
)
new_docs = incremental_loader.load()