以编程方式使用文档

AgentQL的文档加载器使用 AgentQL 查询从任何网页中提取结构化数据。AgentQL 可跨多种语言和网页使用，不会随时间和变化而失效。

概述

AgentQLLoader 需要以下两个参数：

以下参数设置是可选的：

  • - api_key：来自您的 AgentQL API 密钥 dev.agentql.com. **Optional.**
  • - timeout：请求超时前的等待秒数。 **默认为 900.**
  • - is_stealth_mode_enabled：是否启用实验性反机器人规避策略。此功能可能并非在所有网站上都始终有效。启用此模式可能会延长数据提取时间。 **默认为 False.**
  • - wait_for：提取数据前等待页面加载的秒数。 **默认为 0.**
  • - is_scroll_to_bottom_enabled：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" 牺牲一些分析深度以换取速度，适合大多数用例。 在此指南中了解更多关于模式的信息。 **默认为 "fast".**
  • - is_screenshot_enabled：提取数据前是否截图。以 Base64 字符串形式返回在 'metadata' 中。 **默认为 False.**

AgentQLLoader 使用 AgentQL 的 REST API

集成详情

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

加载器特性

源文档懒加载原生异步支持
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.

安装

安装 **langchain-agentql**.

pip install -qU langchain-agentql

设置凭证

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}

懒加载

AgentQLLoader 目前仅加载一个 Document。因此， load() 和 lazy_load() 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