FireCrawl,抓取网页变成Markdown

向量数据库小程序MySQL

没错,这是一个可以抓取网页内容变成markdown文件的工具。

是给大模型构建知识库的一把好手。

它能够抓取单个网页,还能够根据关键词抓取搜索结果网页中的内容。

公众号算法美食屋后台回复关键词:源码,获取本文notebook源码。

核心代码逻辑:

picture.image

〇,WEB体验

可以在这个工具的网址直接用github账号登录注册使用。

https://www.firecrawl.dev/app/playground

在这个playground页面,丢进去你想抓取的url就可以抓取并下载结果。

每个月每个账号可以免费抓取500个网页页面。

如果你想要更多,很简单,给这个产品打钱 或者 注册多个账号(逃)~

此外,这个产品也是开源的,你也可以在本地部署一套。

picture.image

二,Python抓取单网页

首先在这个页面获取api_key

https://www.firecrawl.dev/app/api-keys

然后安装它的Python接口库

pip install firecrawl-py

使用如下代码抓取:

picture.image

picture.image

三,Python搜索关键词

使用如下代码根据关键词获取页面

picture.image

picture.image

picture.image

0
0
0
0
关于作者
关于作者

文章

0

获赞

0

收藏

0

相关资源
如何利用云原生构建 AIGC 业务基石
AIGC即AI Generated Content,是指利用人工智能技术来生成内容,AIGC也被认为是继UGC、PGC之后的新型内容生产方式,AI绘画、AI写作等都属于AIGC的分支。而 AIGC 业务的部署也面临着异构资源管理、机器学习流程管理等问题,本次分享将和大家分享如何使用云原生技术构建 AIGC 业务。
相关产品
评论
未登录
看完啦,登录分享一下感受吧~
暂无评论